aTrain
https://github.com/aTrainTranscription/aTrain
Grafički alat (GUI) za izvanmrežnu (offline) transkripciju zvučnih zapisa, uključujući separaciju (dijarizaciju) govornika. Razvili su ga istraživači sa University of Graz’s Business Analytics and Data Science-Center (BANDAS), a testirao ga je Know-Center Graz.
Osnovne značajke
- Obrađuje audio i video zapise potpuno lokalno na vašem računalu bez slanja podataka na internet.
- Koristi OpenAI-jevu implementaciju faster-whisper za visokopreciznu pretvorbu govora u tekst.
- Uključuje pyannote.audio za prepoznavanje i odvajanje različitih govornika u audio zapisu.
- Generira transkripte kompatibilne sa softverima za kvalitativnu analizu podataka kao što su ATLAS.ti i MAXQDA, što omogućuje izravnu reprodukciju zvuka klikom na vremenske oznake (timestamps).
- Pokreće se na standardnim procesorima (CPU) ili uz ubrzanje putem NVIDIA grafičkih kartica koristeći CUDA-u.
- Dostupan za Windows i Linux. U macOS-u trenutačno radi samo na procespru, bez grafičkog sčelja
noScribe
Besplatni alat otvorenog koda (open-source) usmjeren na lokalnu obradu, namijenjen transkripciji zvučnih zapisa i identifikaciji govornika. Razvio ju je dr. sc. Kai Dröge (sociolog i računalni znanstvenik sa Sveučilišta primijenjenih znanosti u Luzernu).
Osnovne značajke
- Pokreće se u potpunosti na vašem osobnom računalu. Nakon instalacije nije potrebna internetska veza.
- Sadrži namjenski uređivač teksta u kojem je transkript izravno sinkroniziran sa zvukom. Dok slušate, odgovarajući tekst se automatski ističe, što olakšava uočavanje i ručno ispravljanje pogrešaka.
- Može se podesiti da bilježi ili filtrira poštapalice (poput “hm” ili smijeha) te eksplicitno označava pauze u tekstu kao
(..). - Transkripti i titlovi mogu se izvesti u formate kao što su HTML, TXT, VTT i MS Word dokumenti.
- Dostupan je s izvornim instalacijskim programima za Windows, Linux i macOS. Također se može pokrenuti bez grafičkog sučelja (headless) putem Docker-a.
Buzz
besplatan alat otvorenog koda (open-source) za offline transkripciju zvuka i prevođenje na osobnom računalu, koji je razvio programer Chidi Williams
