Folia
← 返回头版

Lont开源Overtone:结合多模型与大语言优化视频字幕转录

Lont联合创始人Ruud在Hacker News上发布了名为Overtone的开源工具,旨在通过结合多个语音转文本(STT)模型和大语言模型(LLM),实现视频字幕的自动修正与格式化 1。该工具整合了gpt-transcribe、Azure STT和Elevenlabs Scribe三种STT引擎进行转录,并利用LLM根据上下文解决冲突及纠正错误;相比单一模型使用Overtone可降低词错误率(WER) 1。

除了核心的转录校正功能,Overtone还内置了基于规则的字幕切割器,能够适配16:9、9:16等多种屏幕比例 1。该工具支持通过Video.js插件或MP4硬字幕烧录方式生成高质量视频字幕 1。项目以MIT许可证开源,提供API集成及命令行工具,相关代码仓库位于https://github.com/lonthq/overtone-captions,演示地址为https://overtone.lont.ai/ 1。


评论