Todos os fluxos de trabalho de áudio de que você precisa, de graça (Voice Studio)
Autoria: Better Stack · Assistir no YouTube
Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.
Idioma original: inglês
Vídeo original: Every Audio Workflow You Need For Free (VoiceStudio) · Canal: Better Stack · 01:01 · Assistir no YouTube
Tópicos: Geração de conteúdo com IA, Modelos locais e open source, Modelos multimodais
O vídeo apresenta o Voice Studio, um aplicativo gratuito e de código aberto que executa modelos de IA de áudio localmente e oferece uma interface gráfica. Ele pode transcrever, traduzir e dublar áudio, além de gerar fala a partir de texto usando uma amostra de voz. O aplicativo reúne 17 modelos de fala e 11 mecanismos de transcrição, selecionando um modelo para cada tarefa. A qualidade foi considerada boa no modo balance, mas a geração pode ser lenta; por isso, o vídeo recomenda começar no modo fast.
Pontos-chave
Seção intitulada “Pontos-chave”- O Voice Studio executa modelos de áudio localmente e oferece uma interface gráfica para quem não quer usar CLI.
- O aplicativo pode transcrever e traduzir áudio, dublar vídeos e gerar fala a partir de texto.
- Uma amostra de cerca de 10 segundos de voz pode ser usada para ler textos nessa voz.
- O Voice Studio reúne 17 modelos de fala e 11 mecanismos de transcrição, escolhendo um modelo adequado à tarefa.
- Os modos fast, balance e max permitem ajustar a velocidade e a capacidade dos modelos.
- A geração pode ser lenta mesmo em um M3 Max; o vídeo sugere começar pelo modo fast.
Capítulos
Seção intitulada “Capítulos”| Início | Capítulo | Resumo |
|---|---|---|
| 00:00 | Voice Studio e modelos locais de áudio | O vídeo apresenta o aplicativo e suas possibilidades para trabalhar com modelos de áudio localmente, sem depender de CLI. |
| 00:31 | Geração de voz e modos de execução | O apresentador demonstra o uso de uma amostra de voz, a dublagem e os modos de desempenho do aplicativo. |
| 01:01 | Modelos automáticos e desempenho | O vídeo descreve a seleção automática de modelos, observa a lentidão da geração e recomenda começar no modo fast. |
Citações
Seção intitulada “Citações”O Voice Studio executa modelos poderosos de IA de áudio localmente na sua própria máquina. — 00:00
Você pode fornecer cerca de 10 segundos da sua voz e ele pode ler qualquer texto com essa voz. — 00:31
Ele reúne 17 modelos de fala e 11 mecanismos de transcrição diferentes. — 00:31
Pode valer a pena começar no modo fast e só mudar se a qualidade não for suficiente. — 01:01
Conceitos e entidades
Seção intitulada “Conceitos e entidades”- Voice Studio (ferramenta): Aplicativo gratuito de código aberto para executar modelos de áudio localmente por meio de uma interface gráfica.
- OmniVoice (modelo): Modelo de áudio local de código aberto citado como opção para tarefas de voz.
- Whisper (modelo): Modelo de código aberto citado como opção para transcrição de áudio.
- Better Stack (empresa): Canal do YouTube que publicou o vídeo.
- M3 Max (modelo): Processador usado pelo apresentador ao testar o Voice Studio no modo balance.
Tradução completa (pt-BR)
Seção intitulada “Tradução completa (pt-BR)”00:00 Este aplicativo gratuito de voz recebeu mais de 41 mil estrelas no GitHub e ganhou um prêmio de repositório do dia. Ele se chama Voice Studio e executa modelos poderosos de IA para áudio localmente na sua própria máquina. Se você precisa dublar um vídeo, traduzir um clipe de áudio ou simplesmente transcrever áudio para texto, hoje em dia tudo isso pode ser feito localmente graças a modelos gratuitos e open source, como OmniVoice e Whisper. Mas, na maioria das vezes, você teria que executá-los por meio de uma CLI, e isso não é para todo mundo. Se você prefere uma interface gráfica completa, o Voice Studio oferece tudo de que você precisa para trabalhar com modelos de áudio localmente por meio de uma interface de usuário bonita
00:31 e intuitiva. Você pode fornecer cerca de 10 segundos da sua própria voz, e ele consegue ler qualquer texto com essa voz ou dublar um vídeo em mais de 600 idiomas. Tenho testado o aplicativo localmente usando o modo equilibrado, e a qualidade do resultado tem sido realmente impressionante. Hoje em dia, modelos locais de áudio podem ser executados na maioria dos dispositivos, e o aplicativo permite instalar modelos mais poderosos mudando do modo rápido para o modo máximo, dependendo das suas necessidades. Ele reúne 17 modelos de fala e 11 mecanismos diferentes de transcrição e escolhe o melhor para a sua tarefa. Então, se for conversão de texto em fala, tradução,
01:01 ou ditado, o modelo certo será selecionado para você. Mas devo dizer que a geração pode ser um pouco lenta, até mesmo no meu M3 Max usando o modo equilibrado. Ainda fico esperando talvez 30 segundos para gerar uma única frase. Então, talvez valha a pena começar apenas no modo rápido e só mudar se a qualidade não for suficiente. Mas, para esse tipo de tarefa, serviços hospedados são exagero. Você pode fazer tudo no seu laptop de graça e, se quiser ficar por dentro das novidades de tecnologia e IA, assine a Better Stack.
Transcrição original
[00:00] This free voice app got over 41,000 stars on GitHub and one repository of the day. It’s called Voice Studio and runs powerful audio AI models locally on your own machine. If you need to dub a video, translate an audio clip, or just transcribe audio to text, all that can be done locally these days thanks to free local open-source models like OmniVoice and Whisper. But, you’d mostly have to run these through a CLI and that’s not for everyone. If you prefer a full GUI, Voice Studio gives you everything you need to work with audio models locally through a beautiful user
[00:31] interface. You can give it around 10 seconds of your own voice and it can read any text in that voice or dub a video into over 600 languages. I’ve been testing this out locally using balance mode and the output quality has actually been pretty impressive. Local audio models can run on most devices these days and the app lets you install more powerful models by switching from fast up to max mode depending on your requirements. It wraps 17 speech models and 11 different transcription engines and chooses the best one for your task. So, if it’s text to speech, translation,
[01:01] or dictation, you’ll get the right model managed for you. I will say though the output can be a little bit slow even on my M3 Max on balance mode. I’ll still be waiting maybe 30 seconds for a single sentence to generate. So, it might be worth starting on just fast mode and only switching if the quality just isn’t there. But, for these sorts of tasks, hosted services are just overkill. You can just do it all on your laptop for free and if you want to stay up to date with tech and AI news, then subscribe to Better Stack.