From 9fa4ef248e9d1f01b4391d99a2b666dedad5209d Mon Sep 17 00:00:00 2001 From: ionic-bond Date: Fri, 11 Oct 2024 16:58:59 +0800 Subject: [PATCH] Change GPT default model to gpt-4o-mini --- README.md | 6 +-- README_CN.md | 80 ++++++++++++++--------------- stream_translator_gpt/translator.py | 6 +-- 3 files changed, 46 insertions(+), 46 deletions(-) diff --git a/README.md b/README.md index 3861488..578a949 100644 --- a/README.md +++ b/README.md @@ -160,7 +160,7 @@ python3 ./stream-translator-gpt/translator.py | `--prefix_retention_length` | 0.5 | The length of the retention prefix audio during slicing. | | `--vad_threshold` | 0.35 | The threshold of Voice activity detection. if the speech probability of a frame is higher than this value, then this frame is speech. | | **Transcription Options** | -| `--model` | small | Select Whisper/Faster-Whisper model size. See [here](https://github.com/openai/whisper#available-models-and-languages) for available models. | +| `--model` | small | Select Whisper/Faster-Whisper model size. See [here](https://github.com/openai/whisper#available-models-and-languages) for available models. | | `--language` | auto | Language spoken in the stream. See [here](https://github.com/openai/whisper#available-models-and-languages) for available languages. | | `--beam_size` | 5 | Number of beams in beam search. Set to 0 to use greedy algorithm instead (faster but less accurate). | | `--best_of` | 5 | Number of candidates when sampling with non-zero temperature. | @@ -170,8 +170,8 @@ python3 ./stream-translator-gpt/translator.py | **Translation Options** | | `--openai_api_key` | | OpenAI API key if using GPT translation / Whisper API. | | `--google_api_key` | | Google API key if using Gemini translation. | -| `--gpt_model` | gpt-3.5-turbo | OpenAI's GPT model name, gpt-3.5-turbo / gpt-4 / gpt-4o. | -| `--gemini_model` | gemini-1.0-pro | Google's Gemini model name, gemini-1.0-pro / gemini-1.5-flash-latest / gemini-1.5-pro-latest | +| `--gpt_model` | gpt-4o-mini | OpenAI's GPT model name, gpt-3.5-turbo / gpt-4o / gpt-4o-mini. | +| `--gemini_model` | gemini-1.0-pro | Google's Gemini model name, gemini-1.0-pro / gemini-1.5-flash / gemini-1.5-pro | | `--gpt_translation_prompt` | | If set, will translate the result text to target language via GPT / Gemini API (According to which API key is filled in). Example: "Translate from Japanese to Chinese" | | `--gpt_translation_history_size` | 0 | The number of previous messages sent when calling the GPT / Gemini API. If the history size is 0, the translation will be run parallelly. If the history size > 0, the translation will be run serially. | | `--gpt_translation_timeout` | 10 | If the GPT / Gemini translation exceeds this number of seconds, the translation will be discarded. | diff --git a/README_CN.md b/README_CN.md index b160cb2..78a6a3e 100644 --- a/README_CN.md +++ b/README_CN.md @@ -142,51 +142,51 @@ python3 ./stream-translator-gpt/translator.py ## 所有选项 -| 选项 | 默认值 | 描述 | -| :--------------------------------- | :------------------------ | :----------------------------------------------------------------------------------------------------------------------- | +| 选项 | 默认值 | 描述 | +| :--------------------------------- | :------------------------ | :------------------------------------------------------------------------------------------------------------------------- | | **输入选项** | -| `URL` | | 直播流的URL。如果填写了本地文件路径，它将被用作输入。如果填写"device"，输入将从您的PC音频设备获取。 | -| `--format` | wa* | 直播流格式代码，此参数将直接传递给yt-dlp。 | -| `--cookies` | | 用于打开仅会员可看的直播流，此参数将直接传递给yt-dlp。 | -| `--input_proxy` | | 为 yt-dlp 使用指定的 HTTP/HTTPS/SOCKS 代理，例如 http://127.0.0.1:7890。 | -| `--device_index` | | 音频输入设备的index。如果未设置，则使用系统默认音频输入设备。 | +| `URL` | | 直播流的URL。如果填写了本地文件路径，它将被用作输入。如果填写"device"，输入将从您的PC音频设备获取。 | +| `--format` | wa* | 直播流格式代码，此参数将直接传递给yt-dlp。 | +| `--cookies` | | 用于打开仅会员可看的直播流，此参数将直接传递给yt-dlp。 | +| `--input_proxy` | | 为 yt-dlp 使用指定的 HTTP/HTTPS/SOCKS 代理，例如 http://127.0.0.1:7890。 | +| `--device_index` | | 音频输入设备的index。如果未设置，则使用系统默认音频输入设备。 | | **音频切割选项** | -| `--frame_duration` | 0.1 | 处理实时流数据的单位（以秒为单位），需大于等于0.03。 | -| `--continuous_no_speech_threshold` | 0.5 | 如果连续一段时间内没有语音，则进行切片（以秒为单位）。 | -| `--min_audio_length` | 1.5 | 切片音频的最小长度（以秒为单位）。 | -| `--max_audio_length` | 15.0 | 切片音频的最大长度（以秒为单位）。 | -| `--prefix_retention_length` | 0.5 | 在切割过程中保留前缀音频的长度。 | -| `--vad_threshold` | 0.35 | 人声检测阈值。如果一个帧的语音概率高于此值，那么这个帧就是人声。 | +| `--frame_duration` | 0.1 | 处理实时流数据的单位（以秒为单位），需大于等于0.03。 | +| `--continuous_no_speech_threshold` | 0.5 | 如果连续一段时间内没有语音，则进行切片（以秒为单位）。 | +| `--min_audio_length` | 1.5 | 切片音频的最小长度（以秒为单位）。 | +| `--max_audio_length` | 15.0 | 切片音频的最大长度（以秒为单位）。 | +| `--prefix_retention_length` | 0.5 | 在切割过程中保留前缀音频的长度。 | +| `--vad_threshold` | 0.35 | 人声检测阈值。如果一个帧的语音概率高于此值，那么这个帧就是人声。 | | **语音转文字选项** | -| `--model` | small | 选择Whisper/Faster-Whisper模型。请在[此处](https://github.com/openai/whisper#available-models-and-languages)查看可用模型。 | -| `--language` | auto | 直播流中的语言。请在[此处](https://github.com/openai/whisper#available-models-and-languages)查看可用语言。 | -| `--beam_size` | 5 | 波束搜索中的波束数量。设置为0以使用贪婪算法（更快但准确度较低）。 | -| `--best_of` | 5 | 在非零温度下采样时的候选者数量。 | -| `--use_faster_whisper` | | 设置此标志以使用Faster-Whisper实现，而不是原始的OpenAI实现 | -| `--use_whisper_api` | | 设置此标志以使用OpenAI Whisper API，而不是原始本地Whipser. | -| `--whisper_filters` | emoji_filter | 应用于whisper结果的过滤器，由","分隔。我们提供 emoji_filter 和 japanese_stream_filter | +| `--model` | small | 选择Whisper/Faster-Whisper模型。请在[此处](https://github.com/openai/whisper#available-models-and-languages)查看可用模型。 | +| `--language` | auto | 直播流中的语言。请在[此处](https://github.com/openai/whisper#available-models-and-languages)查看可用语言。 | +| `--beam_size` | 5 | 波束搜索中的波束数量。设置为0以使用贪婪算法（更快但准确度较低）。 | +| `--best_of` | 5 | 在非零温度下采样时的候选者数量。 | +| `--use_faster_whisper` | | 设置此标志以使用Faster-Whisper实现，而不是原始的OpenAI实现 | +| `--use_whisper_api` | | 设置此标志以使用OpenAI Whisper API，而不是原始本地Whipser. | +| `--whisper_filters` | emoji_filter | 应用于whisper结果的过滤器，由","分隔。我们提供 emoji_filter 和 japanese_stream_filter | | **翻译选项** | -| `--openai_api_key` | | 如果使用GPT翻译/Whisper API，需要OpenAI API密钥。 | -| `--google_api_key` | | 如果使用Gemini翻译，需要Google API密钥。 | -| `--gpt_model` | gpt-3.5-turbo | GPT模型名称，gpt-3.5-turbo / gpt-4 / gpt-4o | -| `--gemini_model` | gemini-1.0-pro | Gemini模型名称，gemini-1.0-pro / gemini-1.5-flash-latest / gemini-1.5-pro-latest | -| `--gpt_translation_prompt` | | 如果设置了该选项，将通过GPT / Gemini API（根据填写的API密钥决定）将结果文本翻译成目标语言。例如："从日语翻译成中文" | -| `--gpt_translation_history_size` | 0 | 调用GPT / Gemini API时发送的先前消息数量。如果历史记录大小为0，则会并行运行翻译。如果历史记录大小> 0，则会串行运行翻译。 | -| `--gpt_translation_timeout` | 10 | 如果GPT / Gemini的翻译超过这个秒数，那么该次的翻译将被丢弃。 | -| `--gpt_base_url` | https://api.openai.com/v1 | 自定义GPT的API地址。 | -| `--gemini_base_url` | | 自定义Gemini的API地址。 | -| `--processing_proxy` | | 使用指定的HTTP/HTTPS/SOCKS代理来连接Whisper/GPT API（目前Gemini尚不支持在程序内指定代理），例如http://127.0.0.1:7890。 | -| `--retry_if_translation_fails` | | 当翻译超时/失败时重试。用于离线生成字幕。 | +| `--openai_api_key` | | 如果使用GPT翻译/Whisper API，需要OpenAI API密钥。 | +| `--google_api_key` | | 如果使用Gemini翻译，需要Google API密钥。 | +| `--gpt_model` | gpt-4o-mini | GPT模型名称， gpt-3.5-turbo / gpt-4o / gpt-4o-mini | +| `--gemini_model` | gemini-1.0-pro | Gemini模型名称，gemini-1.0-pro / gemini-1.5-flash / gemini-1.5-pro | +| `--gpt_translation_prompt` | | 如果设置了该选项，将通过GPT / Gemini API（根据填写的API密钥决定）将结果文本翻译成目标语言。例如："从日语翻译成中文" | +| `--gpt_translation_history_size` | 0 | 调用GPT / Gemini API时发送的先前消息数量。如果历史记录大小为0，则会并行运行翻译。如果历史记录大小> 0，则会串行运行翻译。 | +| `--gpt_translation_timeout` | 10 | 如果GPT / Gemini的翻译超过这个秒数，那么该次的翻译将被丢弃。 | +| `--gpt_base_url` | https://api.openai.com/v1 | 自定义GPT的API地址。 | +| `--gemini_base_url` | | 自定义Gemini的API地址。 | +| `--processing_proxy` | | 使用指定的HTTP/HTTPS/SOCKS代理来连接Whisper/GPT API（目前Gemini尚不支持在程序内指定代理），例如http://127.0.0.1:7890。 | +| `--retry_if_translation_fails` | | 当翻译超时/失败时重试。用于离线生成字幕。 | | **输出选项** | -| `--output_timestamps` | | 输出文本时同时输出时间戳。 | -| `--hide_transcribe_result` | | 隐藏语音转文字的结果。 | -| `--output_proxy` | | 为Cqhttp/Discord/Telegram使用指定的HTTP/HTTPS/SOCKS代理，例如http://127.0.0.1:7890。 | -| `--output_file_path` | | 如果设置，将会把结果文本保存到这个路径。 | -| `--cqhttp_url` | | 如果设置，将会把结果文本发送到cqhttp服务器。 | -| `--cqhttp_token` | | cqhttp的令牌，如果在服务器端没有设置，不需要填写。 | -| `--discord_webhook_url` | | 如果设置，则会将结果文本发送到 discord 频道。 | -| `--telegram_token` | | Telegram的令牌bot. | -| `--telegram_chat_id` | | 如果设置，将把结果文本发送到此 Telegram Chat ID。需要与“--telegram_token”一起使用。 | +| `--output_timestamps` | | 输出文本时同时输出时间戳。 | +| `--hide_transcribe_result` | | 隐藏语音转文字的结果。 | +| `--output_proxy` | | 为Cqhttp/Discord/Telegram使用指定的HTTP/HTTPS/SOCKS代理，例如http://127.0.0.1:7890。 | +| `--output_file_path` | | 如果设置，将会把结果文本保存到这个路径。 | +| `--cqhttp_url` | | 如果设置，将会把结果文本发送到cqhttp服务器。 | +| `--cqhttp_token` | | cqhttp的令牌，如果在服务器端没有设置，不需要填写。 | +| `--discord_webhook_url` | | 如果设置，则会将结果文本发送到 discord 频道。 | +| `--telegram_token` | | Telegram的令牌bot. | +| `--telegram_chat_id` | | 如果设置，将把结果文本发送到此 Telegram Chat ID。需要与“--telegram_token”一起使用。 | ## 联系我 diff --git a/stream_translator_gpt/translator.py b/stream_translator_gpt/translator.py index 449d0c3..48d5cdf 100644 --- a/stream_translator_gpt/translator.py +++ b/stream_translator_gpt/translator.py @@ -263,13 +263,13 @@ def cli(): help='Google API key if using Gemini translation.') parser.add_argument('--gpt_model', type=str, - default='gpt-3.5-turbo', - help='OpenAI\'s GPT model name, gpt-3.5-turbo / gpt-4 / gpt-4o.') + default='gpt-4o-mini', + help='OpenAI\'s GPT model name, gpt-3.5-turbo / gpt-4o / gpt-4o-mini.') parser.add_argument('--gemini_model', type=str, default='gemini-1.0-pro', help='Google\'s Gemini model name, ' - 'gemini-1.0-pro / gemini-1.5-flash-latest / gemini-1.5-pro-latest') + 'gemini-1.0-pro / gemini-1.5-flash / gemini-1.5-pro') parser.add_argument( '--gpt_translation_prompt', type=str,