Pipeline zur Entfernung von Audio-Hintergrundgeräuschen, Sprecher-Diarisierung und Transkription.
Verarbeiten Sie Aufnahmen mit mehreren Sprechern lokal mit Demucs, pyannote und Whisper.
AudioPipe führt Audiotrennung, Sprecher-Diarisierung und Transkription in einer einzigen lokalen Pipeline aus. Es gibt strukturierte JSON-Dateien mit Transkripten, Sprecherkennzeichnungen und Zeitstempeln für Aufnahmen mit mehreren Sprechern aus.
Das Tool kombiniert Demucs für die Gesangsextraktion, pyannote für die Sprecher-Diarisierung und Whisper für Sprache-zu-Text. Es bewältigt die Entfernung von Hintergrundgeräuschen, ordnet Sprecher chronologischen Segmenten zu und unterstützt die blockweise Verarbeitung für lange Audiodateien.
Es eignet sich für Fachleute, die strukturierte Transkripte mit Sprecherkennzeichnungen aus klaren Mehrsprecher-Audios benötigen. Es ist nicht geeignet für Personen, die mit minderwertiger Audioqualität arbeiten oder eine grafische Benutzeroberfläche benötigen.
Extrahiert Gesang aus Hintergrundmusik oder -geräuschen mit Demucs.
Identifiziert und trennt verschiedene Sprecher mit optionaler Hugging-Face-Token-Integration.
Transkribiert lange Audiodateien in Teile fester Länge mit global konsistenten Sprecherkennzeichnungen.
Ermöglicht das Starten oder Fortsetzen der Pipeline ab den Schritten Trennung, Diarisierung oder Transkription.
Die einzigen Kosten entstehen durch den Eigenbetrieb auf Ihrer eigenen Hardware unter Nutzung lokaler Rechenressourcen.
880 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Ja, der CPU-Modus ist verfügbar, für die Leistung wird jedoch eine CUDA-kompatible GPU oder Apple Silicon empfohlen.
Verwenden Sie die Flags --chop und --chunk-minutes, um lange Audiodateien in Teilen fester Länge zu transkribieren.
Zekai zuerst in Google sehen