Öppen källkodRöst och media23k
WhisperX
Whisper med ordnivå-tidsstämplar, justering och diarisering.
WhisperX är ett omslag runt Whisper som lägger till exakta ordnivå-tidsstämplar via tvingad fonemjustering och integrerar talardirisering. Det använder även röstaktivitetsdetektering och batchad inferens för att påskynda transkription av långa ljudfiler jämfört med vanilla Whisper.
Kodförråd
m-bain/whisperXSpråk
PythonVad du kan bygga med det
- Producera exakt ordnivå-undertextning/bildtexttiming för videoredigeringspipelines
- Transkribera inspelningar med flera talare med vem-sa-vad-talaretiketter
- Generera justerade transkript för dubbning, sökindexering eller datasetförberedelse
Taggar
stttimestampsdiarization