Tekstbaseret klipning er kun så god som ordene under den. Scenaristo kører en lille familie af førsteklasses talegenkendelsesmodeller på din egen maskine, hver valgt på lav fejlrate, hurtig behandling og det som hvert klip afhænger af: præcis tidsangivelse på ordniveau.
Alle modeller i familien klarer de samme tre krav, før de kommer med i programmet.
Færre fejl i transskriptionen betyder færre rettelser og en transskription du stoler nok på til at klippe ved at slette tekst.
Fejlraten førstTransskriptionen kører i baggrunden og bliver hurtigt færdig, så en lang optagelse kan klippes på minutter og ikke på kaffepauser.
RealtidsklassenHvert ord har sit eget tidsstempel. Det er det der får en slettet sætning til at lukke optagelsen på en ren grænse.
Tidsstempel per ordHurtigst øverst, bredest dækning nederst. Scenaristo bruger Parakeet som standard og lader dig gribe efter de andre, når præcision eller et sjældnere sprog kræver det. Hver model hentes efter behov, låses med tjeksum, gemmes lokalt og hentes aldrig to gange.
nvidia/parakeet-tdt-0.6b-v3Standarden. En transducer der er god til løbende strømme og klarer en times lyd på en brøkdel af tiden, med tidsstempler per ord fra start.
Token-and-Duration Transducer, bygget til behandling i realtid.
nvidia/canary-1b-v2Når præcision vejer tungere end ren hastighed. En tungere model der giver lidt afkald på hastighed til gengæld for renere transskriptioner ved svær lyd.
En større encoder, med familiens laveste fejlrate.
CohereLabs/cohere-transcribe-03-2025Et afbalanceret valg med fokus på de mest udbredte sprog, med pålidelig tidsangivelse og tegnsætning fra start.
Stærk ved klar tale på de store arbejdssprog.
openai/whisper-large-v3-turboReserven til alt det andet. Er din lyd på et sprog de hurtige modeller ikke dækker, dækker Whisper det næsten med sikkerhed, og Turbo bringer dig hurtigt derhen.
En destilleret dekoder, mærkbart hurtigere end large-v3 mod en lille pris i præcision.
openai/whisper-large-v3Det mest præcise valg i Whisper-familien. Langsommere end Turbo, men stærkest ved støjende lyd og ved de sprog der er dårligst dækket.
Den fulde, udestillerede model. Grib den ved den sværeste lyd.
Model-id’erne henviser til deres offentlige arkiver på Hugging Face. Parakeet, Canary, Cohere Transcribe og Whisper er varemærker tilhørende henholdsvis NVIDIA, Cohere og OpenAI. Tilgængelighed og præcise versioner kan ændre sig, efterhånden som familien opdateres.
De fleste optagelser har aldrig brug for mere end standarden. Parakeet er hurtig, præcis og dækker de sprog som det meste talte video laves på, så ved det typiske interview eller den typiske talevideo virker den bare.
Er en fil støjende, flersproget eller på et sprog uden for de hurtige modellers rækkevidde, kan du skifte model ved hentningen og køre transskriptionen igen. Klipningen, klippene og tidsangivelserne bliver som de var.
Lokalt · ingen konto · ingen upload