Пайплайн для удаления фоновых шумов из аудио, диаризации спикеров и транскрипции.
Локальная обработка многоголосых записей с помощью Demucs, pyannote и Whisper.
AudioPipe выполняет разделение аудио, диаризацию спикеров и транскрипцию в едином локальном пайплайне. На выходе формируются структурированные JSON-файлы с транскриптами, метками спикеров и временными метками для многоголосых записей.
Инструмент объединяет Demucs для извлечения вокала, pyannote для диаризации спикеров и Whisper для преобразования речи в текст. Он справляется с удалением фонового шума, сопоставляет спикеров с хронологическими сегментами и поддерживает пакетную обработку длинных аудиофайлов.
Инструмент подходит профессионалам, которым нужны структурированные транскрипты с метками спикеров из чистых многоголосых аудиозаписей. Он не подходит для работы с низким качеством звука или тем, кому необходим графический интерфейс пользователя.
Извлекает вокал из фоновой музыки или шума с помощью Demucs.
Идентифицирует и разделяет разных спикеров с возможностью интеграции токена Hugging Face.
Транскрибирует длинные аудиофайлы фрагментами фиксированной длины с глобально согласованными метками спикеров.
Позволяет запускать или возобновлять пайплайн с этапа разделения, диаризации или транскрипции.
Единственные затраты — это запуск на собственном оборудовании с использованием локальных вычислительных ресурсов.
880 открытых удалённых вакансий по обучению ИИ, обновлено 15 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Да, доступен режим CPU, однако для лучшей производительности рекомендуется GPU с поддержкой CUDA или Apple Silicon.
Используйте флаги --chop и --chunk-minutes для транскрипции длинных аудиофайлов по частям фиксированной длины.
Zekai первым в Google