跳转至

CrispASR 处理管线

CrispASR 是一个自包含的外部语音识别引擎（来自 CrispStrobe/CrispASR 项目的 C++/ggml 可执行程序）。WhisperJAV 像 Subtitle Edit 那样以子进程方式调用它——WhisperJAV 不 捆绑该引擎，需要你自行提供可执行文件。

后端

后端 引擎 备注
parakeet（默认） NVIDIA Parakeet 原生词级时间轴；速度/质量均衡
whispercpp whisper.cpp（large-v2） 原生词级时间轴；crispasr whisper 后端的别名
cohere Cohere Transcribe 原生词级时间轴；开放的 ggml 资源（无需 token）

这三个后端均 无需强制对齐器。模型 GGUF 在首次使用时自动下载。

前置条件

CrispASR 需要其 外部引擎可执行文件（WhisperJAV 未随附）：

  1. 从 CrispStrobe/CrispASR releases 下载与你的操作系统和 GPU 匹配的发布压缩包：
    • Windows + NVIDIA → crispasr-windows-x86_64-cuda.zip
    • Windows，无 GPU → crispasr-windows-x86_64-cpu.zip（或 -vulkan）
    • macOS → crispasr-macos.tar.gz · Linux → crispasr-linux-x86_64.tar.gz
  2. 解压到某个文件夹，并记下 crispasr 可执行文件的路径。

ffmpeg 必须在 PATH 中（WhisperJAV 本就要求）。所选后端均无需 HuggingFace token。

使用方法

GUI（转录选项卡）

  1. 将 Mode 设置为 crispasr
  2. 在 CrispASR 面板中：Browse 选择 crispasr 可执行文件，并选择一个 Backend
  3. 点击 Start

GUI（Ensemble 选项卡）

  1. 将某个 pass 的 Pipeline 设置为 CrispASR
  2. 在该 pass 的 Model 列中选择 Backend；在 CrispASR 面板中设置可执行文件路径
  3. 点击 Start

CLI

whisperjav video.mp4 --mode crispasr --crispasr-exe /path/to/crispasr --crispasr-backend parakeet

作为集成模式的某个 pass：

whisperjav video.mp4 --ensemble --pass1-pipeline balanced --pass2-pipeline crispasr --crispasr-exe /path/to/crispasr --crispasr-backend whispercpp

使用 --crispasr-args "..." 可原样传递引擎的高级参数。

模型下载位置

引擎自行管理模型。首次使用某个后端时，会从 HuggingFace（cstr/…-GGUF）下载对应的 GGUF（约 150 MB – 1 GB）到缓存目录。除非你自行设置，否则 WhisperJAV 会将 CRISPASR_CACHE_DIR 指向 ~/.cache/whisperjav/crispasr_models。这需要可访问外网 HTTPS，且 PATH 中有 curl/wget（Windows 还会尝试 WinHTTP）。之后的运行会复用缓存。

系统要求

  • 已安装 WhisperJAV（无需额外 Python 包——该处理管线已内置）
  • PATH 中有 ffmpeg
  • CrispASR 引擎可执行文件（由用户自行提供，见前置条件）
  • 每个后端首次运行时需要网络访问

优势与局限

优势：

  • 在单一外部提供方中提供多种引擎（Parakeet / whisper.cpp / Cohere）
  • 自包含——自行处理 VAD；无需调整 WhisperJAV 的场景检测/分段器/增强器
  • GPU 变体（CUDA / Vulkan / CPU）取决于你下载的引擎构建版本

局限：

  • 引擎可执行文件未捆绑——需自行下载一次
  • 模型从可变的 HuggingFace 分支拉取且无校验和（引擎行为）
  • whispercpp 通过引擎的 auto 机制请求 large-v2——请在你的构建版本上确认其可解析（必要时用 --crispasr-args -m <...> 覆盖）
  • CrispASR 不对 --subs-language direct-to-english 做特殊处理
  • 每个后端首次运行会因模型下载而暂停

面向维护者与发布

  • 安装程序： 无需改动。该处理管线是 whisperjav 包内的纯 Python 代码；无新增 pip 或系统依赖（FFmpeg 本就要求）。不要 捆绑引擎可执行文件（独立项目；存在 CUDA/Vulkan/CPU 变体矩阵）。
  • GitHub 发布： WhisperJAV 的发布资源保持不变（安装程序/wheel 已包含该处理管线代码）。引擎可执行文件 不是 WhisperJAV 的发布资源——它位于 CrispStrobe/CrispASR 的发布中。模型不在任何发布包内；它们在首次使用时从 HuggingFace 自动下载。