ऑडियो बैकग्राउंड नॉइज रिमूवल, स्पीकर डायराइजेशन और ट्रांसक्रिप्शन के लिए पाइपलाइन।
Demucs, pyannote और Whisper का उपयोग करके स्थानीय स्तर पर मल्टी-स्पीकर रिकॉर्डिंग प्रोसेस करें।
AudioPipe एक ही लोकल पाइपलाइन में ऑडियो सेपरेशन, स्पीकर डायराइजेशन और ट्रांसक्रिप्शन चलाता है। यह मल्टी-स्पीकर रिकॉर्डिंग के लिए ट्रांसक्रिप्ट, स्पीकर लेबल और टाइमस्टैम्प वाले संरचित JSON फ़ाइलें आउटपुट करता है।
यह टूल वोकल एक्सट्रैक्शन के लिए Demucs, स्पीकर डायराइजेशन के लिए pyannote और स्पीच-टू-текस्ट के लिए Whisper को जोड़ता है। यह बैकग्राउंड नॉइज रिमूवल को संभालता है, स्पीकर्स को क्रोनोलॉजिकल सेगमेंट में मैप करता है, और लंबी ऑडियो फ़ाइलों के लिए चंक्ड प्रोसेसिंग का समर्थन करता है।
यह उन प्रोफेशनल्स के लिए उपयुक्त है जिन्हें स्पष्ट मल्टी-स्पीकर ऑडियो से स्पीकर लेबल के साथ संरचित ट्रांसक्रिप्ट की आवश्यकता होती है। यह खराब गुणवत्ता वाले ऑडियो के साथ काम करने वालों या ग्राफिकल यूजर इंटरफेस की आवश्यकता वालों के लिए उपयुक्त नहीं है।
Demucs का उपयोग करके बैकग्राउंड म्यूजिक या शोर से वोकल्स निकालता है।
वैकल्पिक Hugging Face टोकन इंटीग्रेशन के साथ विभिन्न स्पीकर्स की पहचान करता है और उन्हें अलग करता है।
वैश्विक रूप से सुसंगत स्पीकर लेबल के साथ लंबी ऑडियो फ़ाइलों को निश्चित लंबाई के टुकड़ों में ट्रांसक्राइब करता है।
सेपरेशन, डायराइजेशन या ट्रांसक्रिप्शन चरणों से पाइपलाइन को शुरू करने या फिर से शुरू करने की अनुमति देता है।
केवल लागत स्थानीय कंप्यूट संसाधनों का उपयोग करके अपने स्वयं के हार्डवेयर पर इसे स्वयं चलाना है।
880 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
हाँ, CPU मोड उपलब्ध है, हालांकि प्रदर्शन के लिए CUDA-संगत GPU या Apple Silicon की अनुशंसा की जाती है।
लंबी ऑडियो फ़ाइलों को निश्चित लंबाई के टुकड़ों में ट्रांसक्राइब करने के लिए --chop और --chunk-minutes फ़्लैग का उपयोग करें।
Google में Zekai को सबसे पहले देखें