Código abiertoVoz y medios23k
WhisperX
Whisper con marcas de tiempo a nivel de palabra, alineación y diarización.
WhisperX es un wrapper sobre Whisper que añade marcas de tiempo precisas a nivel de palabra mediante alineación fonémica forzada e integra diarización de hablantes. También utiliza detección de actividad de voz e inferencia por lotes para acelerar la transcripción de audio largo en comparación con Whisper estándar.
Repositorio
m-bain/whisperXLenguaje
PythonLo que construirías con esto
- Producir sincronización precisa de subtítulos a nivel de palabra para flujos de trabajo de edición de vídeo
- Transcribir grabaciones con múltiples hablantes con etiquetas que identifiquen quién habla en cada momento
- Generar transcripciones alineadas para doblaje, indexación en búsquedas o preparación de conjuntos de datos
Etiquetas
stttimestampsdiarization