Áudio para texto

Este simples trecho de código percorre todos os arquivos de áudio de uma pasta chamada audios para fazer a transcrição para texto, gerando para cada arquivo, um novo arquivo com o mesmo nome no formato .docx

O PML (modelo de linguagem pré-treinado) whisper-large-v3 foi criado e é mantido pela OpenAI.

Whisper

Whisper é um modelo pré-treinado para reconhecimento automático de fala (ASR) e tradução de fala. Treinado com 680 mil horas de dados rotulados, os modelos Whisper demonstram uma forte capacidade de se adaptar a muitos conjuntos de dados e áreas sem a necessidade de ajustes finos.

Saiba mais em https://huggingface.co/openai/whisper-large-v3

Requisitos

Cria uma pasta chamada audios (para os arquivos de áudio) e outra audios-transcritos (resultado da transcrição)

mkdir audios
mkdir audios-transcritos

Instale o FFMPEG

sudo apt install ffmpeg

Use o pip para instalar o conteúdo do requirements.txt

pip install -r requirements.txt

Uso

Após copiar os áudios a serem transcritos para a pasta audios, execute o arquivo transcrever-audios.py

py transcrever-audios.py