Über WhisperX Online
Ein unabhängiges Webtool von Answer the Web, das Transkription im Stil von WhisperX ohne Installation nutzbar macht.
Methodik
- Spracherkennung: OpenAI Whisper (tiny, base, small, large-v3-turbo) als ONNX-Modelle der onnx-community auf Hugging Face, ausgeführt mit transformers.js und ONNX Runtime Web.
- Wort-Zeitstempel: Cross-Attention-Ausrichtung der „timestamped“-Whisper-Exporte.
- Sprecher-Erkennung: pyannote segmentation-3.0 findet die Sprachabschnitte (in Fenstern von zehn Minuten), WeSpeaker ResNet34 – das Stimmprofil-Modell, das auch pyannote 3 nutzt – berechnet je Abschnitt ein Stimmprofil, und die Profile werden nach Kosinus-Ähnlichkeit gruppiert. Jede Phrase bekommt den Sprecher mit der größten zeitlichen Überlappung.
- Export: Abschnitte entstehen bei Sprecherwechsel, Pausen über einer Sekunde und Satzende; das JSON folgt der Ausgabestruktur von WhisperX.
Datenschutz
Dein Audio wird lokal verarbeitet. Der Server liefert nur die Webseite und die Programmdateien, die Modelldateien kommen von Hugging Face. Details in der Datenschutzerklärung.
Keine Verbindung zum Projekt
WhisperX wird von Max Bain und Mitwirkenden entwickelt (github.com/m-bain/whisperX). Diese Seite ist weder mit ihnen noch mit OpenAI oder pyannote verbunden.
Kontakt
E-Mail: whisperx@llg.marketing