oTranscribe: ferramenta gratuita/open source para transcrição de entrevistas em áudio

• "Web app" gratuito para transcrever facilmente entrevistas gravadas
• Principais recursos
  • Não é preciso alternar entre o player de vídeo e o editor de documentos. Tudo é feito direto no navegador
  • É possível pausar, retroceder e avançar sem tirar as mãos do teclado
  • Dá para navegar facilmente pela transcrição com timestamps interativos
  • Salvamento automático no armazenamento do navegador a cada segundo
  • Privacidade - os arquivos de áudio e as transcrições não saem do computador
  • Exportação para Markdown, texto simples e Google Docs
  • Suporte a arquivos de vídeo por meio do player integrado
  • Open source sob a licença MIT

Resumo do GN⁺

• oTranscribe é um web app gratuito que simplifica o processo de transcrever gravações de entrevistas
• O usuário pode controlar o áudio sem tirar as mãos do teclado, e a transcrição é salva automaticamente a cada segundo
• O app prioriza a privacidade, e os arquivos de áudio e as transcrições não saem do computador
• Oferece exportação para Markdown, texto simples e Google Docs, permitindo usar a transcrição em vários formatos
• Outros projetos com recursos semelhantes incluem Express Scribe e TranscribeMe

[xguru]

Hum? Fiquei me perguntando como isso seria possível no navegador... mas então é só uma ferramenta para ouvir e transcrever manualmente, sem IA.

Hoje em dia o Whisper reconhece bem coreano, então fica a dúvida de por que usar algo assim...

[znjadong]

Quando há muitos falantes, a pronúncia é pouco clara ou a qualidade da gravação não é boa, pode ser difícil contar com a ajuda da IA. E também há muitos casos em que é necessário um nível de qualidade superior a algo que simplesmente funcione “bem o suficiente”.

[GN⁺]

Opiniões do Hacker News

• Transcreveu entrevistas usando o Whisper-diarization do MahmoudAshraf97

  • Gera arquivos separando as falas de vários participantes por número de falante
  • Também gera arquivos com timestamps, que podem ser usados como legendas

• OTranscribe não é uma ferramenta de reconhecimento automático de fala, mas uma UI para ajudar na transcrição manual

• Está procurando um app que faça transcrição palavra por palavra em tempo real, funcione localmente e possa usar modelos open source modernos

  • Usa o otter.ai, mas ele exige conexão com a internet e tem problemas de atraso na transcrição
  • Apps baseados em Whisper precisam processar a gravação inteira de uma vez
  • O framework de reconhecimento de fala da Apple ainda é um pouco limitado no momento

• É surpreendente que não haja integração com IA

  • Mesmo resultados de IA precisam de revisão e QA para ter qualidade de publicação
  • É necessário fazer tarefas como identificar falantes e corrigir sobrenomes incomuns

• O oTranscribe não converte automaticamente áudio em texto

  • É uma ferramenta que torna a transcrição manual menos sofrida

• Recomendação do serviço TurboScribe

  • Transcrição gratuita de até 3 arquivos por dia (30 minutos por arquivo)
  • O plano pago permite transcrever até 10 horas por arquivo
  • Suporta reconhecimento de falantes, vários formatos de exportação e inclui ferramentas de IA

• Experimento de transcrição de entrevista usando o Gemini-1.5-Pro-Experiment-0801

  • O resultado ficou quase perfeito
  • Foi impressionante ele colocar certas palavras entre aspas

• Está usando o app gratuito para iOS do Aiko

  • Usa o modelo Whisper da OpenAI
  • Pode exportar em formatos como SRT, TXT, CSV e JSON

• Está desenvolvendo um app open source para macOS com Whisper e pyannote

  • Funciona, mas é lento
  • Está tendo dificuldade para converter o Pyannote para CoreML
  • Contribuições são bem-vindas

• Está desenvolvendo uma ferramenta com IA incluída

  • Faz download do YouTube, transcreve com Vosk e separa falantes com pyannote
  • Armazena o conteúdo transcrito em um mecanismo de busca, falta implementar o webapp
  • Espera colaborar