mehtabmahir/easy-whisper-ui

解決する課題

EasyWhisperUIは、Whisperモデルのための使いやすいグラフィカルインターフェースを提供します。クラウドサービスや複雑なコマンドラインツールに頼ることなく、ユーザー自身のハードウェア上でローカルに音声や動画ファイルを文字起こしすることが可能です。

仕組み

このアプリケーションはElectronで構築されており、whisper.cppとFFmpegを活用して文字起こしを行います。Vulkan (Windows) および Metal (macOS) を介したGPUアクセラレーションをサポートして処理を高速化し、CPUのみのフォールバックも提供します。ユーザーはさまざまなWhisperモデルから選択したり、カスタムモデルを管理したり、結果をTXTまたはSRTファイルとしてエクスポートしたりできます。

対象ユーザー

音声や動画のプライベートかつオフラインでの文字起こしを求める人向けに設計されています。これには、字幕 (SRT) の生成が必要な人や、LLMでのさらなる処理のためにテキストを準備したい人が含まれます。

ハイライト

• ローカルかつプライベート: 文字起こしは完全にユーザーのPC上で行われます。
• GPUアクセラレーション: VulkanおよびMetalの自動検証とサポート。
• バッチ処理: 複数のファイルをキューにドラッグ＆ドロップ可能。
• 多言語サポート: 英語への文字起こしと翻訳をサポート。
• ライブ文字起こし: マイク音声のリアルタイム文字起こしをベータ版としてサポート。
• モデル管理: メモリ見積もり付きでカスタムモデルを簡単にダウンロードおよびロード可能。