60846e3c6c
- keep WhisperX, align and GigaAM caches process-wide and thread-safe\n- preload the ASR model at the start of the staged stage 3\n- log that the model is loaded once and then reused\n- never clear caches between files, batches or OOM retries
Audio Transcriber Combine
Локальное десктоп-приложение для извлечения текста из аудио.
Этапы
- convert — любой аудиоформат → WAV через
ffmpeg(настраиваемый sample rate / каналы). - separate — отделение вокала через
unblend(Mel-Band RoFormer). - transcribe — ASR через WhisperX или GigaAM (onnx-asr).
Каждый этап можно включать/выключать отдельно. Промежуточные файлы можно сохранять (по умолчанию — да) или удалять, оставляя только финальный результат последнего включённого этапа.