Есть ли готовое приложение для использования кода Yandex SpeechKit API?

Question

[Worlding]

Приветствую.
Подскажите, два вопроса.

Мне иногда нужно перевести в текст видеолекции длиною от 1 до 4 часов. Иногда нужно текст перевести в речь. Подумал о том, чтобы купить аккаунт в Yandex SpeechKit API, но там сказали, что нужно иметь приложение, в которое вставляется код API-запроса. Подскажите,

1. Есть такие приложения (или плагины для сайта на wordpress например), куда можно вставить код запроса и использовать Яндекс для перевода речи в текст? Или нужно нанимать программиста, чтобы он написал такое приложение с нуля?

2. Может быть, есть альтернативные приложения, которые справляются не хуже Yandex SpeechKit API?

Answer 1

[alexalexes]

1. Стоимость решения будет зависеть от функционала конвертера.
Если вы готовы сами вытащить аудиодорожку из видео, и вам только не хватает шага "файл аудио -> API -> файл с текстом", то цена реализации в виде скрипта, написанного на коленке, будет минимальна.
Если вам нужно делать синхронные субтитры к видео, выделять фрагменты видео, где нужно добавить субтитры, редактировать субтитры после их получения. То это совсем другой функционал и другой ценник.
2. Не знаком с предметной областью, нужно изучать аналоги приложений.

Comments

[Worlding]

"Если вы готовы сами вытащить аудиодорожку из видео, и вам только не хватает шага "файл аудио -> API -> файл с текстом", то цена реализации в виде скрипта, написанного на коленке, будет минимальна."
Да-да, я могу сам через ffmpeg выцепить дорожку. И тогда мне нужен прсотой простой скрипт, может быть, даже который можно запустить из консоли Ubuntu\Manjaro.
Если вы можете для меня такой написать, то как я могу с вами связаться?

[alexalexes]

Если вы командную строку осилили и управляетесь с ffmpeg, то вам ничего не стоит приспособить питоновский скрипт из документации под себя.
https://cloud.yandex.ru/docs/speechkit/sdk/python/...

но там сказали, что нужно иметь приложение, в которое вставляется код API-запроса

Вот этот питоновский скриптик и будет вашим приложением.
Я лично бы тоже самое попробовал бы сделать, в примере нужно лишь результат распознавания записать в файл. Всё.

[Worlding]

И правда, стоит попробовать. Большое спасибо!

[alexalexes]

Еще ознакомьтесь с техническими ограничениями, написанными на этой странице https://cloud.yandex.ru/docs/speechkit/stt/
Под ваше требования - до 4 часов аудио, подходит асинхронное распознавание.
И нужно смотреть пример на Python 3 из доки:
https://cloud.yandex.ru/docs/speechkit/stt/api/tra...

[Василий Банников]

Worlding, раз можешь сам при помощи ffpmeg вытащить дорожку, то что мешает потом через тот же curl и jq отправить запрос?

[Worlding]

alexalexes, Василий Банников, проблема сделать самому в том, что я гуманитарий, и шаг влево-вправо заставляет меня довольно много времени тратить на гугл. Поэтому думал кого-то нанять, чтобы время съэкономить.
Вот нашёл хорошую статью Учимся использовать Yandex SpeechKit с помощью Pyt..., и на первом шаге:

pip install speechkit
получаю ошибку, которую не знаю, как решить:

error: externally-managed-environment

× This environment is externally managed
╰─> To install Python packages system-wide, try apt install
    python3-xyz, where xyz is the package you are trying to
    install.
    
    If you wish to install a non-Debian-packaged Python package,
    create a virtual environment using python3 -m venv path/to/venv.
    Then use path/to/venv/bin/python and path/to/venv/bin/pip. Make
    sure you have python3-full installed.
    
    If you wish to install a non-Debian packaged Python application,
    it may be easiest to use pipx install xyz, which will manage a
    virtual environment for you. Make sure you have pipx installed.
    
    See /usr/share/doc/python3.11/README.venv for more information.

Вот теперь гуглить... Потом понял, что надо просто делать по файлу README который по ссылке на гидхаб, но и там сюрприз:

error: command '/usr/bin/x86_64-linux-gnu-gcc' failed with exit code 1
      [end of output]

Теперь и об этом думай. Мне и правда проще кого-то нанять. Может быть, кто-то из вас поможет?

Answer 2

[Laryx]

Не совсем уверен, что это то, что требуется.

Я для развлечения занимаюсь озвучкой и переводом небольших роликов. При этом сперва из ролика получаются субтитры, они редактируются, а потом озвучиваются, и дорожка налагается на видеоряд.
Использую программу SubtitleEdit, которая умеет в оффлайне транскрибировать речь (в том числе и для русского).
Далее использую программу Балаболка, которая умеет из субтитров создавать звуковой файл, используя установленные на компьютере TTS или популярные онлайновые бесплатные TTS-службы (в том числе и Яндексовскую).

Лично я весьма доволен качеством.

Comments

[Worlding]

Спасибо, что поделились. SubtitleEdit длинные аудио тоже может транскрибировать?

[Laryx]

Worlding, поскольку я записываю ролики для себя - в большинстве случаев они короткие, единицы минут. Однако, насколько я понимаю, SubtitleEdit для транскрибации использует готовые оффлайновые модули - Vosk или Whisper, соответственно, возможности зависят от них. Более качественно сутбитры даёт Whisper. Однако, изредка (в десятой части случаев) результат Whisper'a получается неудовлетворительным. И тут выручает Vosk. Такого, чтобы в обоих случаях ничего не вышло было лишь пару раз для настолько зашумлённых роликов, что там и человек врядли что-то может разобрать.