開放原始碼
Saypane 建立在開放原始碼軟體和開放授權的語音模型之上。Saypane 應用程式本身不開放原始碼。以下列出它使用了哪些專案,以及各自採用的授權。
語音模型
| 專案 | 授權 | 用途 |
|---|---|---|
| NVIDIA Parakeet TDT 0.6B v3 | CC-BY-4.0 | 25 種歐洲語言的語音辨識。 |
| OpenAI Whisper | MIT | 其他語言的語音辨識(small 和 large v3 turbo)。 |
| Silero VAD | MIT | 語音活動偵測:找出錄音中的語音和停頓。 |
| pyannote segmentation 3.0 | MIT | 說話者分段,用於說話者標記。 |
軟體
| 專案 | 授權 | 用途 |
|---|---|---|
| whisper.cpp | MIT | 在 CPU 上,以及透過 Vulkan 在 GPU 上執行 Whisper 和 Parakeet 模型。 |
| ggml | MIT | whisper.cpp 底層的張量程式庫。 |
| sherpa-onnx | Apache-2.0 | 執行說話者標記模型。 |
| NAudio | MIT | 擷取麥克風和電腦聲音。 |
| CommunityToolkit | MIT | 應用程式使用者介面的建構元件。 |
| Windows App SDK | MIT | Windows 應用程式架構(WinUI)。 |
姓名標示:NVIDIA Parakeet TDT 0.6B v3
Saypane 使用 NVIDIA 的 NVIDIA Parakeet TDT 0.6B v3,該模型採用創用 CC 姓名標示 4.0 國際授權條款(CC-BY-4.0)。模型卡:huggingface.co/nvidia/parakeet-tdt-0.6b-v3。Saypane 隨附的是該模型量化為 8 位元(q8_0)的 GGML 轉換版本,發布於 huggingface.co/ggml-org/parakeet-GGUF;模型僅經過轉換和量化,沒有重新訓練,也沒有其他修改。
Whisper 模型檔案是發布於 huggingface.co/ggerganov/whisper.cpp 的 GGML 轉換版本。與 pyannote segmentation 搭配使用的說話者嵌入模型確定後,會連同其授權一起列在這裡。
音訊和影片檔案使用 Windows 內建的 Windows Media Foundation 解碼。Saypane 不包含 FFmpeg。
感謝這些專案的作者和貢獻者。完整的授權條款隨應用程式一併提供,請見其第三方聲明。