Сделал настоящий портабельный приложение комбайн для транскрибации аудио и видео в текст, с помощью этого приложения можно сразу отредактировать текст с помощью локальной или онлайн LLM модели по системному промпту. И можно использовать приложение для вводи текста через микрофон. Приложение полностью портабельное и интуитивно понятное. Для транскрибации используется WhisperX, так как это самый точный open source движок на сегодня:

- Лучшая точность по таймингам и диаризации

- Отлично справляется с русским языком и смешенным языковым вводом

- Лучшая скорость при работе с большими текстами: часовое видео на RTX 5090 транскрибирует за 5-7 минут.

- При диаризации говорящих потребляет около 4Гб VRAM

- А при вводе с микрофона 2,5Гб VRAM

1. Скачайте две части архива приложения и распакуйте в нужную папку

Распакованное прилодение с моделями занимает ~13 Гб

⏬Скачать приложение бесплатно можно тут: СКАЧАТЬ

2. Вы можете скачать модели архивом (СКАЧАТЬ) и распаковать их в папку models в корне приложения WhisperX. Но можно выполнить пункт 3 и модели скачаются автоматически 👇

3. Модели к приложению скачаются автоматически при первом запуске транскрибации, но нужно принять пользовательское соглашение для модели диаризации тут: ССЫЛКА

В настройках приложения нужно добавить Huggingface токен.
После этого модели скачаются без проблем.

1. Страница разработчика: ССЫЛКА

🔥 Курс по "ComfyUI" с поддержкой на сайте: ССЫЛКА

📺Присоединиться к стримам (+архив): ССЫЛКА

✔️Телеграм-канал: присоединиться

✔️VK Prompts: присоединиться