f88ca913ce
- replace permanent _CUDA_BROKEN flag with CudaOOMError and retry helper - retry WhisperX with configured settings, then batch=1 without VAD, then once more - keep the loaded model cached between retries instead of reloading it - actually pass vad_filter through transcribe() and use it in aligned ASR - skip only the OOM file in sequential, staged and LRC pipelines - mark OOM files with oom_skipped / lrc+oom for the summary - fix staged vocal separation writing input_dir/vocals.wav when convert is off - route original inputs and resumed files through safe per-file separation - validate ffmpeg before starting the LRC task
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.