KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Therapeuten › speechlib
✦ Frei & Open SourceTherapeuten

speechlib

Vereint Sprecher-Diarisierung, Transkription und Erkennung in einer einzigen Pipeline.

Einheitliche Sprachverarbeitungs-Pipeline

Kombinieren Sie Diarisierung, Transkription und Sprechererkennung mit echten Namen und Zeitstempeln.

Für immer kostenlos · Open Source · MIT
✓ Needs IT✓ Im Browser✓ Echtzeit-Zusammenarbeit
5.8
ZEKAI
Leistungsstarke Python-Audio-Pipeline
Frei & Open Source · Therapeuten
Einfache Einrichtung4
Nützlichkeit7
Wartung7
Community5
★ 268
GITHUB
Apr 2026
AKTUALISIERT
MIT
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

Speechlib ist eine Python-Bibliothek, die Sprecher-Diarisierung, ASR-Backends und Sprechererkennung für Audiogespräche in einer einzigen Pipeline zusammenführt. Sie richtet sich an Entwickler und Kliniker, die lokale Audioprozesse aufbauen und eine präzise Sprecherkennzeichnung mit Zeitstempeln benötigen.

Läuft auf
Cross-platform
Hosting
Self-host
Sprachen
Python
Lizenz
MIT

Was es ist

Die Bibliothek integriert Tools wie PyAnnote, Faster-Whisper und SpeechBrain, um Audiodateien zu verarbeiten und Transkripte mit echten Sprechernamen und präzisen Zeitstempeln zu generieren. Sie enthält zudem Funktionen zur Audio-Vorverarbeitung und unterstützt benutzerdefinierte Plug-and-Play-Backends für ASR, Diarisierung und Erkennung.

Für wen

Sie eignet sich für Python-Entwickler und Entwickler im Bereich der Mental-Health-Technologie, die programmatische Kontrolle über lokale Audiotranskriptions-Pipelines mit bekannter Sprecherzuordnung benötigen. Sie ist nicht geeignet für nicht-technische Anwender, die eine sofort einsatzbereite Desktop-Anwendung oder einen Cloud-Dienst ohne Programmierung suchen.

Wichtige Funktionen

Einheitliche Pipeline-Verarbeitung

Kombiniert Diarisierung, ASR und Sprechererkennung in einem einzigen Skript.

Mehrere ASR-Backends

Unterstützt Faster-Whisper, OpenAI Whisper, HuggingFace und AssemblyAI.

Erkennung bekannter Sprecher

Ordnet Diarisierungs-Tags anhand von Referenz-Audio-Unterordnern echten Namen zu.

Benutzerdefiniertes Backend-Subclassing

Ermöglicht das Einbinden eigener Diarisierer, Erkennungsmodule oder ASR-Modelle.

Erste Schritte

Startklar in 3 Schritten

1
Installieren Sie die Bibliothek per pip mit CPU- oder GPU-unterstützten Torch-Abhängigkeiten
2
Richten Sie Ihre Umgebungsvariablen ein, einschließlich eines HuggingFace-Zugriffstokens für die Diarisierung
3
Initialisieren Sie die Pipeline mit den von Ihnen gewählten Diarisierungs- und ASR-Backends zur Verarbeitung von Audiodateien
Klartext

Unser ehrliches Fazit

Stärken

  • Vereint Diarisierung, Transkription und Sprechererkennung in einem einzigen Workflow
  • Unterstützt mehrere ASR-Backends einschließlich Faster-Whisper und AssemblyAI
  • Ordnet anonyme Sprecher-Tags mithilfe von Referenz-Stimmenordnern echten Namen zu
  • Bietet abstrakte Basisklassen zum Einbinden eigener Backends

Schwächen

  • Erfordert das Schreiben von Python-Code und die Handhabung von Python-Umgebungsabhängigkeiten
  • Benötigt ein externes HuggingFace-Token und angenommene Bedingungen für PyAnnote-Modelle
  • Erfordert auf Ihrem System installertes ffmpeg und passende GPU-Treiber für die CUDA-Ausführung
  • Windows-Benutzer müssen ihre IDE als Administrator ausführen, um spezifische Berechtigungsfehler zu vermeiden
Kosten

Preise & Lizenz

Kostenlos im Rahmen ihrer Lizenz, plus eventuelle API-Kosten, falls Sie sich für cloudbasierte Transkriptionsanbieter wie AssemblyAI entscheiden. Die einzigen weiteren Kosten entstehen durch den Eigenbetrieb auf lokaler Hardware oder GPU-Rechenleistung.

Bezahlte Arbeit

Stellen für Deutschsprachige

896 offene Remote-Stellen im KI-Training, aktualisiert am 16. 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.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

🎁 Freie & Open-Source-Alternativen
Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: speechlib für Therapeuten
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren speechlib für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Kann ich lokale, benutzerdefinierte, feinabgestimmte Whisper-Modelle verwenden?

Ja, Sie können CustomWhisperASR verwenden, um lokal feinabgestimmte Modell-Checkpoints zu laden.

Wie geht speechlib mit unbekannten Sprechern um?

Wenn Sie keinen Stimmen-Ordner angeben, werden Sprecher automatisch als anonyme Tags wie SPEAKER_00 und SPEAKER_01 bezeichnet.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Therapeuten — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen