HenestrosaDev/audiotext

Audiotext – 데스크톱 음성 인식, 번역 및 요약 도구

기능 – Audiotext는 오디오 또는 비디오를 텍스트로 변환할 수 있는 크로스플랫폼 데스크톱 애플리케이션입니다. 다음 기능을 제공합니다:

• 파일 가져오기, YouTube 링크, 마이크에서 녹음 가능.
• Whisper X를 로컬에서 실행 (CPU 또는 CUDA 가속 GPU) 또는 OpenAI의 Whisper, Google Speech‑to‑Text, 기타 클라우드 API 호출.
• 스피커 식별, 단어 수준 타임스탬프, 음악/배경 잡음 제거.
• OpenAI, Claude, Gemini, DeepSeek, Mistral, Grok, Ollama, DeepL, Google Translate 등 다양한 LLM 제공업체를 통한 번역.
• 내용을 핵심 포인트/장으로 요약.
• 여러 형식으로 내보내기 (일반 텍스트, Markdown, Word, SRT/VTT 자막, TSV, JSON).
• 검색 가능한 기록, 태그, 메모, 배치 처리용 대기열 관리.
• 스크립팅용 완전한 CLI 제공.

왜 중요한가 – Audiotext는 강력한 음성 인식 스택(Whisper X + faster‑whisper + pyannote)을 사용자 친화적인 GUI로 통합하면서도 데이터를 사생활 보호합니다. 클라우드 API를 선택적으로 사용하지 않는 한 모든 작업은 귀하의 기기에서 수행됩니다. 내장된 번역 및 요약 기능은 LLM API를 활용하여 원시 텍스트를 추가 도구 없이 다국어, 요약된 형태로 변환합니다.

주요 기술

• UI – 드래그 앤 드롭 지원하는 커스텀Tkinter (Tkinter 기반).
• ASR 엔진 – WhisperX (faster‑whisper, CTranslate2, PyTorch, CUDA 옵션).
• 스피커 디아라이제이션 – pyannote.audio.
• 클라우드 API – OpenAI Whisper, Google Speech‑to‑Text, 번역/요약용 LLM (OpenAI, Anthropic Claude, Gemini, DeepSeek, Mistral, Grok, Ollama, DeepL, Google Translate).
• 미디어 처리 – FFmpeg + pydub로 오디오 추출, pytubefix로 YouTube 다운로드, python‑sounddevice로 마이크 I/O.
• 내보내기 – python‑docx, 자막 형식용 내장 내보내기 기능.
• 패키징 – macOS, Windows, Linux용 네이티브 설치 프로그램; GPU 가속 버전 옵션 포함.

대상 사용자 – 인터뷰, 강의, 팟캐스트, 영상 콘텐츠를 로컬에서 음성 인식해야 하는 모든 사람, 특히 개인정보 보호가 중요한 경우에 적합합니다. 다국어 UI와 내보내기 옵션은 콘텐츠 제작자, 연구자, 접근성 작업에 유용합니다.

시작 방법 – 최신 GitHub 릴리스에서 적절한 설치 프로그램을 다운로드 (macOS DMG, Windows EXE, Linux tar.gz). FFmpeg는 포함되어 있으며, Linux 사용자는 마이크 지원을 위해 libportaudio2를 설치해야 할 수 있습니다. 실행 후 파일을 창에 드래그하고, 음성 인식 엔진을 선택하고 설정을 조정한 후 Transcribe를 클릭하세요.

자세한 정보 – 전체 문서, 튜토리얼, 언어별 도움말은 https://getaudiotext.com 에서 확인할 수 있습니다. 리포지토리에는 CLI (cli.py), 테스트 세트, 기여 가이드라인도 포함되어 있습니다.