52 lines
2.7 KiB
Markdown
52 lines
2.7 KiB
Markdown
 
|
# Trascrizione MP3 con Whisper su Google Colab
|
||
|
|
|
||
|
|
Notebook Jupyter che trascrive file audio (MP3, WAV, M4A, FLAC, OGG, OPUS, AAC) usando [faster-whisper](https://github.com/SYSTRAN/faster-whisper) e `large-v3` sulla GPU di Google Colab. Nessuna API a pagamento né token Hugging Face: il modello è pubblico e l'audio è elaborato nella macchina Colab.
|
||
|
|
|
||
|
|
## Output
|
||
|
|
|
||
|
|
Per ogni audio, raccolti in uno ZIP:
|
||
|
|
|
||
|
|
| File | Contenuto |
|
||
|
|
|---|---|
|
||
|
|
| `.md` | Testo con timestamp, sezioni temporali e segnalazioni "da riascoltare" |
|
||
|
|
| `.txt` | Solo il testo riconosciuto |
|
||
|
|
| `.srt` | Sottotitoli |
|
||
|
|
| `.json` | Segmenti, timestamp e probabilità per parola |
|
||
|
|
| `esecuzione.log`, `riepilogo.json` | Log ed esito di ogni file |
|
||
|
|
|
||
|
|
La trascrizione è automatica: non fa riassunti e non identifica gli interlocutori.
|
||
|
|
|
||
|
|
## Uso
|
||
|
|
|
||
|
|
1. Apri [Google Colab](https://colab.research.google.com), scegli **File → Carica notebook** e seleziona `trascrizione_mp3_whisper_colab.ipynb`.
|
||
|
|
2. **Runtime → Cambia tipo di runtime → GPU T4**.
|
||
|
|
3. Modifica le opzioni nella prima cella (vedi sotto).
|
||
|
|
4. **Runtime → Esegui tutto** e carica gli MP3 quando compare **Scegli file**.
|
||
|
|
5. Al termine lo ZIP si scarica automaticamente.
|
||
|
|
|
||
|
|
Senza GPU il notebook si ferma con un messaggio, invece di avviare una trascrizione lenta su CPU.
|
||
|
|
|
||
|
|
## Opzioni (cella 1)
|
||
|
|
|
||
|
|
| Variabile | Default | Descrizione |
|
||
|
|
|---|---|---|
|
||
|
|
| `MODELLO` | `large-v3` | `large-v3` per la qualità, `turbo` per la velocità |
|
||
|
|
| `LINGUA` | `it` | Codice lingua, oppure `None` per il rilevamento automatico |
|
||
|
|
| `PRECISIONE` | `float16` | `int8_float16` usa meno memoria GPU |
|
||
|
|
| `CONTESTO` | `""` | Nomi o termini difficili, es. `"Kiev, Chisinau"`; riduce gli errori sui nomi propri |
|
||
|
|
| `ORIGINE` | `upload` | `upload` carica dal PC, `drive` legge da una cartella di Google Drive |
|
||
|
|
| `CARTELLA_DRIVE` | `/content/drive/MyDrive/Audio da trascrivere` | Cartella di input con `ORIGINE = "drive"` |
|
||
|
|
| `SALVA_SU_DRIVE` | `False` | Copia i risultati anche su Drive |
|
||
|
|
| `FILTRO_SILENZI` | `False` | Attiva il filtro VAD sul non-parlato |
|
||
|
|
| `MINUTI_PER_SEZIONE` | `5` | Durata delle sezioni nel Markdown |
|
||
|
|
| `SOGLIA_PAROLA_INCERTA` | `0.45` | Sotto questa probabilità la parola è segnalata |
|
||
|
|
| `SCARICA_ZIP` | `True` | Scarica lo ZIP a fine esecuzione |
|
||
|
|
|
||
|
|
Per audio lunghi usa `ORIGINE = "drive"` e `SALVA_SU_DRIVE = True`: i file in `/content` sono temporanei.
|
||
|
|
|
||
|
|
## Note
|
||
|
|
|
||
|
|
- Il notebook usa `google.colab` (upload, Drive): va eseguito su Colab. Con l'estensione Colab di VS Code il pulsante di upload potrebbe non comparire; usa Drive.
|
||
|
|
- Il warning sull'HF Hub non autenticato è innocuo.
|
||
|
|
- Memoria GPU insufficiente: `PRECISIONE = "int8_float16"` o `MODELLO = "turbo"`.
|
||
|
|
- Riascolta i punti segnalati: i nomi propri possono essere sbagliati anche senza segnalazione.
|