Рубрика «Whisper»

в 9:59, , рубрики: cmp50hx, llama.cpp, llm, Nvidia, Whisper

Предыстория

Есть домашний сервер обычной “подстольной” конфигурации. Proxmox с несколькими виртуалками. В какой-то момент прикупил на аукционе NVIDIA CMP 50HX за копейки, ради поиграться с простенькими модельками. Модели запускаю через llama.cpp, дополнительно использую Whisper для распознавания речи. Быстро смирился со скоростью работы и жил с этим всем спокойно несколько месяцев, пока не наткнулся на статью NVIDIA CMP – микроскопы для забивания гвоздей? Копаем глубже….

Очень рекомендую прочесть статьюЧитать полностью »

в 8:34, , рубрики: faster-whisper, pipewire, Ubuntu, uinput, Wayland, Whisper, голосовой ввод

Репозиторий: https://github.com/xelavoklov/voiceflow (MIT). Приложение написано в паре с ИИ‑ассистентом (Claude Code): я формулировал, что нужно, и проверял руками, ассистент писал код и разбирал логи. Про это подробнее в конце.

Читать полностью »

в 7:06, , рубрики: gigaam, MacOS, Parakeet, Whisper, аудио в текст, видео в текст, распознавание речи, расшифровка аудио, расшифровка встреч, транскрибация

в 12:47, , рубрики: asyncio, claude code, telegram, telethon, Whisper, автопостинг, ии-агенты

Я веду Telegram‑канал про ИИ и ещё пять площадок: Instagram, Facebook, Threads, YouTube и свой сайт. Раньше на один пост уходил час: найти новость, проверить цифры, написать текст, подобрать картинку и переделать его под каждую соцсеть. Полгода назад я собрал для этого «контент‑завод»: набор ИИ‑агентов, который живёт в обычной группе Telegram. Ниже рассказываю, как он устроен внутри, какие решения сработали и где остались слабые места. Все цифры взяты из логов и файлов состояния.

Читать полностью »

в 14:51, , рубрики: aiogram, Claude API, Groq, Whisper, ИИ-маркеры, промпт-инжиниринг, Регулярные выражения

Нейросеть пишет грамотно, и именно поэтому её текст узнаётся с первой строки: длинные тире, конструкции «дело не в X, а в Y», “важно понимать”, «давайте разберёмся». Я столкнулся с этим на Телеграм‑боте, который превращает голосовые сообщения в сценарии для соцсетей, и чинил проблему в три слоя за один день. В статье разберу, как устроен пайплайн бота, почему просьбы в промпте не хватило, почему второй проход нейросети тоже не спас и что в итоге закрыло задачу. Весь код ниже взят из рабочего репозитория, имена переменных я чуть упростил.

Что делает бот

Читать полностью »

в 10:58, , рубрики: asr, gigaam, python, RoFormer, source separation, wer, Whisper, WhisperX, обработка аудио, распознавание речи

Хотел сделать конкурс на Новый год

К Новому году мы с друзьями договорились, что каждый подготовит по конкурсу. Мне хотелось сделать что‑нибудь музыкальное, а идеи нашлись в воспоминаниях о двух корпоративах: с одного я принёс желание сочинить песню для нашей компании, с другого позаимствовал механику конкурса. Так появилась What The Track, в которой нужно угадать последнее слово оборванной строки песни.

Читать полностью »

в 8:42, , рубрики: fft, numpy, premiere pro, Whisper, видеомонтаж, кросс-корреляция, синхронизация по звуку

в 9:07, , рубрики: knowledge graph, llama.cpp, llm, local ai, memplua, obsidian, open source, qwen, Whisper, windows
Я захотел, чтобы Obsidian заполнялся сам - 1

1. Рутина душит

Читать полностью »

в 16:14, , рубрики: gigaam, MacOS, ONNX, open source, speech-to-text, swift, Whisper, диктовка, распознавание речи, Сбер

Случайно услышал на просторах интернета, что у Сбера, оказывается, есть открытая модель, которая по бенчмаркам русского языка бьёт Whisper, проверил, и понял, что она не просто не хуже, она работает мгновенно да еще и на обычном процессоре, без GPU, а текст появляется быстрее, чем успеваешь отпустить кнопку

Дальше понеслось, собрал диктовку для себя, раздал друзьям, всем понравилось, начали пользоваться, и разумеется, повалились хотелки, а давай сделаем это, а пусть оно ещё вот так, из этого за пару недель вырос целый продукт.

Что получилось и как работает:

Читать полностью »

в 7:59, , рубрики: cpu, CTranslate2, faster-whisper, open source, python, speech-to-text, Whisper, WhisperType, windows, распознавание речи

Существующие решения для диктовки текста меня не устраивали по одной и той же причине: голос уходит на чужой сервер, а за это ещё и просят подписку. Wispr Flow, Blabby, встроенный Win+H — всё либо в облаке, либо работает так, что проще напечатать.

Хотелось простого: нажал хоткей, сказал, нажал ещё раз — текст появился в том поле, где стоял курсор. Хоть в браузере, хоть в IDE, хоть в мессенджере. Локально. Бесплатно. Без прав администратора.

Получился WhisperType — MIT, Windows 10/11 x64, ~250 МБ после установки плюс 1.6 ГБ модели. Актуальная версия — 1.3.1Читать полностью »

123...5
Главная   |  Архив новостей  |   Android  |   Google  |   Apple  |   Microsoft  |   Информационная безопасность  |   Веб – разработка
Публикации RSS  |  Комментарии RSS
https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js