Lokale Transkription unter Windows

Im Koerting-Verse ist ja die lokale Transkription von Audiomitschnitten das Bordmittel unter den Bordmitteln.

TJ verwendet dazu auf dem Mac ein Tool namens Whisper Transcription. – Und in jedem Workshop fragt die Windows-Fraktion: Und wie geht das bei uns?!

Brita Dose hat den Tipp gegeben, unter Windows ein Tool namens atrain zu nutzen – das ist aktuell sogar kostenlos.

Atrain bietet die Möglichkeit, verschiedene Transkriptionsmodelle unterschiedlicher Größe (bis hin zu large-v3-turbo mit 3,09GB) herunterzuladen und damit zu arbeiten.

Welches Modell für euch geeignet ist, hängt von eurer Geduld und der Größe eures Grafikspeichers (VRAM) ab.

Ich nutze das aktuell größte verfügbare Modell large-v3-turbo, und mit meiner Geforce-Grafikkarte mit 6GB VRAM benötige ich für 30min Audio ungefähr 3 Minuten.

Je nachdem wie performant euer Rechner und wie ungeduldig ihr seid, könnt ihr ggf. das kleinere Medium-Modell herunterladen.

Die Erkennung und Differenzierung verschiedener Sprecher ist ebenfalls möglich:

In den Advanced Settings habt ihr drei interessante Möglichkeiten:

1. Auf GPU stellen, wenn ihr eine geeignete Grafikkarte habt. – Falls nicht, dauert die Transkription sehr viel länger. :-(

2. Über den Compute Type die Präzision zu steigern. – Nach meinen ersten Erfahrungen belastet float32 die Grafikkarte zu stark, und wahrscheinlich reicht für die meisten Fälle int8.

3. Es lässt sich ein kurzer Prompt hinterlegen, den habe ich bisher nicht genutzt.

Als Ergebnis erhaltet ihr das Transkript in verschiedenen Formaten, mit und ohne Timestamps.

Meine ersten Tests verliefen vielversprechend, was meint ihr? Schickt mir gern Fragen, Tipps, Feedback an [email protected].