LiveCaptions 项目下载及安装教程
2024-12-05 00:21:56作者:舒璇辛Bertina
1. 项目介绍
LiveCaptions 是一个为 Linux 桌面环境提供的实时字幕应用程序。它能够为桌面或麦克风音频提供实时字幕,且音频数据不会被发送到任何外部服务。该应用程序不依赖于任何专有服务或库,用户可以调整字体、字体大小和文本大小写,并支持基于 token 级别的置信度文本淡化功能。
2. 项目下载位置
要下载 LiveCaptions 项目,请使用以下命令进行递归克隆:
git clone --recursive https://github.com/abb128/LiveCaptions.git
如果忘记使用 --recursive
选项,可以通过以下命令初始化子模块:
git submodule update --init --recursive
3. 项目安装环境配置
3.1 系统要求
LiveCaptions 项目需要以下依赖项:
- pulseaudio
- libadwaita
- meson
- ninja
3.2 配置 ONNXRuntime
3.2.1 Linux 系统
首先,下载 ONNXRuntime v1.14.1 (Linux),并将其解压到某个目录。然后设置环境变量以指向 ONNXRuntime:
export ONNX_ROOT=/path/to/onnxruntime-linux-x64-1.14.1/
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/onnxruntime-linux-x64-1.14.1/lib
3.2.2 macOS 系统
下载 ONNXRuntime v1.14.1 (Mac OS x86),并将其解压到某个目录。然后设置环境变量并复制库文件:
export ONNX_ROOT=/path/to/onnxruntime-osx-x86_64-1.14.1/
cp /path/to/onnxruntime-osx-x86_64-1.14.1/lib/libonnxruntime.1.14.1.dylib /usr/local/lib/libonnxruntime.1.14.1.dylib
cp /path/to/onnxruntime-osx-x86_64-1.14.1/lib/libonnxruntime.dylib /usr/local/lib/libonnxruntime.dylib
3.3 配置 PulseAudio(仅限 macOS)
在 macOS 上,可能需要运行以下命令以确保 PulseAudio 作为后台服务运行:
brew services restart pulseaudio
要停止服务,请将 restart
替换为 stop
。
4. 项目安装方式
4.1 使用 GNOME Builder 安装(简单)
- 克隆项目后,打开 GNOME Builder。
- 在 GNOME Builder 中打开项目目录。
- 如果系统提示下载 SDK,请下载并安装。
- 点击“播放”按钮以构建并运行项目。
4.2 从终端安装(稍复杂)
-
设置构建环境:
meson setup builddir meson devenv -C builddir
-
下载模型并设置环境变量:
wget https://aprilasr.net/april-english-dev-01110_en.april export APRIL_MODEL_PATH=`pwd`/april-english-dev-01110_en.april
-
构建并运行应用程序:
ninja -C builddir src/livecaptions
5. 项目处理脚本
LiveCaptions 项目的主要处理脚本位于 src/
目录下。主要的可执行文件是 livecaptions
,它负责实时字幕的生成和显示。
5.1 主要脚本
src/livecaptions
: 主应用程序脚本,负责实时字幕的生成和显示。
5.2 配置文件
meson.build
: 构建配置文件,定义了项目的构建规则和依赖项。
5.3 模型文件
april-english-dev-01110_en.april
: 预训练的语音识别模型文件,用于实时字幕的生成。
通过以上步骤,您可以成功下载、配置并安装 LiveCaptions 项目,并开始使用其提供的实时字幕功能。
登录后查看全文
热门项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0137AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
232
2.32 K

仓颉编译器源码及 cjdb 调试工具。
C++
113
78

暂无简介
Dart
534
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
76
106

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
993
588

仓颉编程语言测试用例。
Cangjie
34
61

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
130
648