Pipeline para la eliminación de ruido de fondo en audio, diarización de hablantes y transcripción.
Procesa grabaciones con múltiples hablantes localmente con Demucs, pyannote y Whisper.
AudioPipe ejecuta la separación de audio, la diarización de hablantes y la transcripción en un único pipeline local. Genera archivos JSON estructurados que contienen transcripciones, etiquetas de hablantes y marcas de tiempo para grabaciones con múltiples hablantes.
La herramienta combina Demucs para la extracción de voz, pyannote para la diarización de hablantes y Whisper para conversión de voz a texto. Gestiona la eliminación de ruido de fondo, asigna hablantes a segmentos cronológicos y admite procesamiento por fragmentos para archivos de audio largos.
Es adecuado para profesionales que necesitan transcripciones estructuradas con etiquetas de hablantes a partir de audio claro con múltiples hablantes. No es adecuado para quienes trabajan con audio de mala calidad o necesitan una interfaz gráfica de usuario.
Extrae voces de la música de fondo o ruido utilizando Demucs.
Identifica y separa diferentes hablantes con integración opcional de token de Hugging Face.
Transcribe archivos de audio largos en piezas de duración fija con etiquetas de hablantes consistentes a nivel global.
Permite iniciar o reanudar el pipeline desde los pasos de separación, diarización o transcripción.
El único coste es ejecutarlo tú mismo en tu propio hardware, utilizando recursos de computación locales.
877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Sí, el modo de CPU está disponible, aunque se recomienda una GPU compatible con CUDA o Apple Silicon para obtener un buen rendimiento.
Usa los flags --chop y --chunk-minutes para transcribir archivos de audio largos en piezas de duración fija.
Ve Zekai primero en Google