aTrainTranscription/aTrain
A GUI tool for offline transcription of speech recordings, including speaker diarization, utilizing state-of-the-art machine learning models.
解决的问题
aTrain 提供了一种私密、离线的语音录音转文字方式。它特别解决了研究人员在遵守 GDPR 等隐私法规的前提下处理敏感访谈数据的需求，因为所有数据均不会上传至互联网。
工作原理
该工具利用 OpenAI Whisper 模型的 faster-whisper 实现进行高质量转录，并使用 pyannote.audio 进行说话人检测（语音分离）。它可以在设备的 CPU 上本地运行，或通过 CUDA 在 NVIDIA GPU 上加速处理。提供桌面应用程序（Windows/Linux）和用于无头自动化的 CLI 工具。
适用人群
主要面向需要将访谈录音转录为文本并导入 MAXQDA、ATLAS.ti 或 nVivo 等定性分析软件的研究人员。
主要亮点
- 隐私优先：所有录音均在本地设备上完全离线处理。
- 说话人检测：识别录音中的不同说话人，并为文本段落分配对应说话人。
- 广泛的语言支持：支持 99 种不同语言的转录。
- 分析工具集成：生成与主流定性分析软件兼容的输出文件。
- 硬件加速：支持 NVIDIA GPU，显著缩短转录时间。
相关
- 项目
jasoncheng7115/jt-live-whisperjt‑live‑whisper 是一个离线优先的 AI 工具箱，用于实时转录、翻译、说话人分离和会议摘要。它可在 macOS、Windows 或 Linux 上捕获系统音频，在本地运行 Whisper 或其他 ASR 模型，使用本地 LLM（或离线 NLLB/Argos）进行翻译，并可生成字幕、转录文本和 AI 生成的会议纪要——全部无需任何云 API。
- 项目
- 项目
mybigday/whisper.rnwhisper.rn 是一个 React Native 库，将 OpenAI 的 Whisper（以及 NVIDIA Parakeet）语音转文本模型带到 iOS 和 Android。它附带预构建的原生二进制文件，支持 Core ML、GPU 和 Snapdragon Hexagon NPU 加速，内置 VAD，并提供实时转录 API，全部可从 JavaScript 离线使用。
- 项目
openai/whisperWhisper 是 OpenAI 开发的基于 Transformer 的开源语音转文本系统，可处理多种语言的转录、语言识别和翻译。它作为一个可通过 pip 安装的包发布，提供六种模型大小（tiny → large，以及快速的 “turbo” 版本）。通过 CLI (`whisper …`) 和简单的 Python API (`whisper.load_model(...).transcribe(...)`)，只需少量命令即可将音频文件转换为文本。该项目运行在 Python 3.8-3.11 和 PyTorch 上，并且需要 ffmpeg（可选需要 Rust 用于分词器）。所有代码和模型权重均采用 MIT 许可。
- 项目