transcribe2 実行例

help出力 transcribe2.py --help

usage: transcribe2.py [-h] [--backend {qwen-api,qwen-local,whisper}]
                      [-m MODEL] [-l LANG] [--output OUTPUT]
                      [--api-base API_BASE] [--timeout TIMEOUT]
                      [--ffmpeg-dir FFMPEG_DIR]
                      [--chunk-seconds CHUNK_SECONDS]
                      [--overlap-seconds OVERLAP_SECONDS] [--resume]
                      [--context CONTEXT] [--no-correct]
                      [--llm-config LLM_CONFIG] [--llm-provider LLM_PROVIDER]
                      [--llm-model LLM_MODEL]
                      [--llm-max-tokens LLM_MAX_TOKENS]
                      [--correction-chars CORRECTION_CHARS] [-d DEVICE]
                      [--dtype {auto,bfloat16,float16,float32}]
                      [--timestamps {0,1}] [--aligner ALIGNER]
                      [--attention {auto,sdpa,eager,flash_attention_2}]
                      [--max-inference-batch-size MAX_INFERENCE_BATCH_SIZE]
                      [--max-new-tokens MAX_NEW_TOKENS]
                      [--beam-size BEAM_SIZE] [--temperature TEMPERATURE]
                      [--compression-ratio-threshold COMPRESSION_RATIO_THRESHOLD]
                      [--log-prob-threshold LOG_PROB_THRESHOLD]
                      [--no-speech-threshold NO_SPEECH_THRESHOLD]
                      input

Qwen3-ASR API / local Qwen3-ASR / Whisper 統合文字起こし

positional arguments:
  input                 音声・動画ファイル(glob可)

options:
  -h, --help            show this help message and exit
  --backend {qwen-api,qwen-local,whisper}
  -m, --model MODEL
  -l, --lang LANG
  --output OUTPUT

Qwen ASR API:
  --api-base API_BASE
  --timeout TIMEOUT

共通の音声処理:
  --ffmpeg-dir FFMPEG_DIR
  --chunk-seconds CHUNK_SECONDS
  --overlap-seconds OVERLAP_SECONDS
  --resume
  --context, --prompt CONTEXT

LLM校正(tkai_lib_litellm.py):
  --no-correct
  --llm-config LLM_CONFIG
  --llm-provider LLM_PROVIDER
  --llm-model LLM_MODEL
  --llm-max-tokens LLM_MAX_TOKENS
  --correction-chars CORRECTION_CHARS

ローカル Qwen3-ASR:
  -d, --device DEVICE
  --dtype {auto,bfloat16,float16,float32}
  --timestamps {0,1}
  --aligner ALIGNER
  --attention {auto,sdpa,eager,flash_attention_2}
  --max-inference-batch-size MAX_INFERENCE_BATCH_SIZE
  --max-new-tokens MAX_NEW_TOKENS

Whisper:
  --beam-size BEAM_SIZE
  --temperature TEMPERATURE
  --compression-ratio-threshold COMPRESSION_RATIO_THRESHOLD
  --log-prob-threshold LOG_PROB_THRESHOLD
  --no-speech-threshold NO_SPEECH_THRESHOLD


生成されたデータファイル

(データファイルが見つかりませんでした)

生成された画像一覧

(画像ファイルが見つかりませんでした)