aTrainTranscription/aTrain
A GUI tool for offline transcription of speech recordings, including speaker diarization, utilizing state-of-the-art machine learning models.
何を解決するか
aTrain は、音声記録をテキストに変換するためのプライバシー保護型のオフラインツールです。特に、GDPR などのプライバシー規制に準拠しながら、機密性の高いインタビューデータを扱う研究者たちのニーズに応えます。データはインターネットにアップロードされないため、完全にプライベートな環境で処理されます。
動作方法
このツールは OpenAI の Whisper モデルの faster-whisper 実装を用いて高品質な音声認識を行い、pyannote.audio を使って話者識別（ダイアライゼーション）を実行します。デバイスの CPU または NVIDIA GPU（CUDA を介して）でローカルに実行可能で、処理を高速化できます。デスクトップアプリ（Windows/Linux）およびヘッドレス自動化用の CLI ツールとして利用可能です。
対象ユーザー
主に、インタビューの音声をテキストに変換し、MAXQDA、ATLAS.ti、nVivo などの定性的分析ソフトウェアにインポートする必要がある研究者向けに設計されています。
特徴
- プライバシー最優先：すべての記録をローカルデバイス上で完全にオフラインで処理。
- 話者識別：録音内での異なる話者を識別し、テキストセグメントに割り当てます。
- 多言語対応：99 の異なる言語の音声認識をサポート。
- 分析ツールとの統合：人気のある定性的分析ソフトウェアと互換性のある出力ファイルを生成。
- ハードウェアアクセラレーション：NVIDIA GPU をサポートし、音声認識時間を大幅に短縮。
関連
- プロジェクト
jasoncheng7115/jt-live-whisperjt‑live‑whisper は、リアルタイム文字起こし、翻訳、話者分離、会議要約のためのオフライン優先の AI ツールボックスです。macOS、Windows、Linux でシステムオーディオをキャプチャし、Whisper ベースまたは他の ASR モデルをローカルで実行し、ローカル LLM（またはオフラインの NLLB/Argos）で翻訳し、字幕、文字起こし、AI 生成の会議議事録を生成できます。すべてクラウド API なしで実現します。
- プロジェクト
- プロジェクト
mybigday/whisper.rnwhisper.rn は、OpenAI の Whisper（および NVIDIA Parakeet）音声認識モデルを iOS と Android に提供する React Native ライブラリです。ビルド済みのネイティブバイナリを同梱し、Core ML、GPU、Snapdragon Hexagon NPU アクセラレーションをサポートし、VAD を内蔵し、リアルタイム文字起こし API を提供します。すべて JavaScript からオフラインで使用できます。
- プロジェクト
openai/whisperWhisperは、多言語の文字起こし、言語識別、翻訳を処理するOpenAIのオープンソースのTransformerベースの音声対テキストシステムです。6つのモデルサイズ（tinyからlarge、および高速な「turbo」バリアント）を備えたpipインストール可能なパッケージとして提供されます。CLI (`whisper …`) とシンプルなPython API (`whisper.load_model(...).transcribe(...)`) を使用して、わずかなコマンドで音声ファイルをテキストに変換できます。このプロジェクトはPython 3.8-3.11、PyTorchで動作し、ffmpeg（およびオプションでトークナイザー用のRust）が必要です。すべてのコードとモデルの重みはMITライセンスです。
- プロジェクト
cjpais/Handy無料でオープンソース、オフラインの音声テキスト変換アプリケーションで、コンピューター上の任意のアクティブなテキストフィールドに音声を直接文字起こしします。