Pipeline para remoção de ruído de fundo em áudio, diarização de locutores e transcrição.
Processe gravações com múltiplos locutores usando Demucs, pyannote e Whisper localmente.
O AudioPipe executa separação de áudio, diarização de locutores e transcrição em um único pipeline local. Ele gera arquivos JSON estruturados contendo transcrições, identificações de locutores e marcas de tempo para gravações com vários locutores.
A ferramenta combina Demucs para extração de vocais, pyannote para diarização de locutores e Whisper para conversão de fala em texto. Ela gerencia a remoção de ruído de fundo, mapeia locutores para segmentos cronológicos e suporta processamento em blocos para arquivos de áudio longos.
É ideal para profissionais que precisam de transcrições estruturadas com identificação de locutores a partir de áudios claros com múltiplos locutores. Não é adequado para quem trabalha com áudios de baixa qualidade ou que precisa de uma interface gráfica de usuário.
Extrai vocais de música de fundo ou ruído usando o Demucs.
Identifica e separa diferentes locutores com integração opcional de token do Hugging Face.
Transcreve arquivos de áudio longos em pedaços de tamanho fixo com identificações de locutores globalmente consistentes.
Permite iniciar ou retomar o pipeline a partir das etapas de separação, diarização ou transcrição.
O único custo é executá-lo por conta própria no seu próprio hardware, utilizando recursos de computação locais.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Sim, o modo CPU está disponível, embora uma GPU compatível com CUDA ou Apple Silicon seja recomendada para melhor desempenho.
Use as flags --chop e --chunk-minutes para transcrever arquivos de áudio longos em pedaços de tamanho fixo.
Veja o Zekai primeiro no Google