Локальна транскрипція великих аудіофайлів

Години записів — у готовий текст, без лімітів хмарних сервісів.

Голос і зустрічі · Документи

Репозиторій на GitHub (GitHub)

Результат

Близько 60 годин лекцій оброблено приблизно за 5 годин на GPU

Про проєкт

Рішення автоматично розшифровує великі добірки аудіозаписів на вашому комп’ютері. Ви додаєте записи й запускаєте обробку — система розпізнає мовлення з прискоренням на відеокарті NVIDIA та зберігає окремий текст для кожного файлу. Підходить, зокрема, для лекцій тривалістю понад дві години: ділити їх на частини не потрібно.

Після початкового налаштування розпізнавання працює повністю офлайн. Аудіо не потрібно надсилати у зовнішні сервіси, а обсяг роботи не обмежується підпискою чи квотами API. В одному із запусків близько 60 годин лекцій було оброблено приблизно за 5 годин на GPU.

Для подальшої роботи з текстом передбачено додатковий сценарій: готова розшифровка передається в n8n, AI виділяє головне, структурує матеріал і автоматично оформлює його як статтю в Google Docs.

Як це працює

  1. Аудіозаписи
  2. Локальне розпізнавання мовлення на GPU
  3. Текстові розшифровки

Додатково

  1. Текст лекції
  2. AI-обробка та структурування
  3. Готовий документ у Google Docs

Можливості

  • Пакетна обробка безлічі записів без ручного запуску для кожного файлу.

  • Розшифрування довгого аудіо без попереднього поділу.

  • Локальне розпізнавання без надсилання аудіо в хмару.

  • Налаштування мови розпізнавання або автоматичне визначення.

  • Перетворення розшифровок на структуровані нотатки й статті через додатковий AI-сценарій.

Де може застосовуватися

  • Освіта — розшифрування лекцій і підготовка навчальних матеріалів.
  • Дослідницькі команди — робота з аудіоархівами та інтерв’ю.
  • Корпоративне навчання — перетворення записів занять на матеріали бази знань.
  • Редакції й автори — підготовка текстової основи з подкастів і розмов.

Технології

  • Python
  • Faster Whisper
  • NVIDIA CUDA
  • FFmpeg
  • n8n
  • LLM
  • Google Docs

Інші проєкти

Усі проєкти

Голос і зустрічі · Автоматизація тестування та QA

Голосовий звіт про помилки

Розкажіть про помилку в Telegram — отримайте оформлений звіт і завдання в Jira.

Голосові нотатки тестувальника перетворюються на структуровані баг-репорти англійською мовою.

Результат Створення баг-репорту за 60 секунд

  • Telegram
  • n8n
  • OpenAI
  • Google Sheets
  • Google Docs
  • +1

AI-асистенти та Telegram-боти · Документи

YouTube → текст у Telegram

Коли зручніше прочитати, ніж подивитися: надішліть посилання на відео й отримайте готовий для читання текст.

Telegram-бот перетворює розшифровку YouTube-відео на зв’язний, охайно оформлений текст.

  • n8n
  • Telegram
  • OpenAI
  • YouTube-Transcript.io

AI-асистенти та Telegram-боти · Голос і зустрічі

AI-диктування в Telegram

Надиктуйте повідомлення — отримайте охайний текст, готовий до надсилання.

Голосові повідомлення перетворюються на відредагований текст просто в Telegram.

  • n8n
  • Telegram
  • Whisper
  • GPT-4.1

Почніть з одного процесу.

Опишіть, що зараз робиться вручну, які дані задіяно і який результат ви хочете отримати. Технічне завдання чи обрана модель для початку не потрібні.

Будь ласка, не передавайте комерційну таємницю, вихідний код або чутливі персональні дані до підписання NDA (Угоди про нерозголошення).