Training Parameters
- Dataset Source: ./voice/下的文件夹
- Language: 要转录（音频到文字）到的语言代码：
{
“英语”: “en”,
“中文”: “zh”,
“西班牙语”: “es”,
“法语”: “fr”,
“德语”: “de”,
“日语”: “ja”,
“韩语”: “ko”,
“俄语”: “ru”,
“阿拉伯语”: “ar”,
“葡萄牙语”: “pt”,
“意大利语”: “it”,
“荷兰语”: “nl”,
“瑞典语”: “sv”,
“丹麦语”: “da”,
“挪威语”: “no”,
“芬兰语”: “fi”,
“希腊语”: “el”,
“土耳其语”: “tr”,
“印地语”: “hi”,
“波兰语”: “pl”,
“泰语”: “th”
}
- Validation Text Length Threshold: 低于此值的转录文本长度将被剔除并放入验证数据集中。设置为 0 则忽略该选项。
- Validation Audio Length Threshold: 音频长度，同上。
- Skip Existing: 如果已经存在whisper.json，则跳过转录。
- Slice Segments: 根据whisper返回的时间戳修剪片源（请先人工检查一下whisper的转录结果，有时候并不总是准确的）。
- Trim Segments: 使用TorchAudio的VAD来修剪静音，减小音频文件的实际大小，从而在训练时节省更多的处理时间和VRAM。
- Slice Start Offset: 在分割音频文件时偏移起始时间戳。
- Slice End Offset: 在分割音频文件时偏移结束时间戳。
- Transcribe and Process: 开始转录，同时在必要时进行切片，并分割为训练集和验证集