高速音声認識で字幕制作する東北ずん子（Qwen3 ASR + ForcedAligner）
1 view
ねこさんなのです今回は win11 ComfyUI portable を用いて、音声認識 Qwen3-ASR と単語タイミング付与 Qwen3-ForcedAligner を組み合わせ字幕制作のテストを行っておきました(｀ヮ´)＜いちおう nVidia の VRAM 12GB 以上のグラボ推奨ですこれらは１つのワークフロー（設計...
