OTranscribe: herramienta gratuita/de código abierto para transcribir entrevistas de audio

• "Web app" gratuita que permite transcribir fácilmente entrevistas grabadas
• Funciones principales
  • No hace falta alternar entre el reproductor de video y el editor de documentos. Todo se procesa directamente en el navegador
  • Permite pausar, rebobinar y adelantar rápido sin quitar las manos del teclado
  • Se puede navegar fácilmente por la transcripción con marcas de tiempo interactivas
  • Guardado automático en el almacenamiento del navegador cada segundo
  • Privacidad: el archivo de audio y la transcripción no salen de tu computadora
  • Permite exportar a Markdown, texto plano y Google Docs
  • Soporte para archivos de video mediante un reproductor integrado
  • Código abierto bajo licencia MIT

Resumen de GN⁺

• oTranscribe es una web app gratuita que simplifica el proceso de transcribir grabaciones de entrevistas
• El usuario puede controlar el audio sin quitar las manos del teclado, y la transcripción se guarda automáticamente cada segundo
• La app prioriza la privacidad, ya que el archivo de audio y la transcripción no salen de la computadora
• Ofrece exportación a Markdown, texto plano y Google Docs, lo que permite aprovechar la transcripción en varios formatos
• Otros proyectos con funciones similares incluyen Express Scribe y TranscribeMe

[xguru]

¿Eh? Me preguntaba cómo era posible en el navegador... resulta que es una herramienta para escuchar y transcribir manualmente, sin IA. Hoy en día Whisper ya reconoce bien el coreano, así que no sé si realmente haya motivo para usar algo así..

[znjadong]

Cuando hay muchas personas hablando, la pronunciación no es clara o la calidad de la grabación no es buena, puede ser difícil apoyarse en la IA. Y también hay bastantes casos en los que se necesita una calidad superior a que simplemente funcione "lo suficientemente bien".

[GN⁺]

Comentarios de Hacker News

• Transcribió la entrevista usando Whisper-diarization de MahmoudAshraf97

  • Genera archivos separando las intervenciones de varios hablantes por número de hablante
  • También genera archivos con marcas de tiempo que pueden usarse como subtítulos

• OTranscribe no es una herramienta de reconocimiento automático de voz, sino una UI que ayuda con la transcripción manual

• Está buscando una app que haga transcripción en tiempo real palabra por palabra, funcione localmente y pueda usar modelos open source modernos

  • Usa otter.ai, pero requiere conexión a internet y tiene problemas de retraso en la transcripción
  • Las apps basadas en Whisper tienen que procesar toda la grabación de una sola vez
  • El framework de reconocimiento de voz de Apple todavía se siente algo limitado en sus funciones

• Sorprende que no haya integración con IA

  • Incluso los resultados de IA necesitan revisión y QA para alcanzar calidad de publicación
  • Hace falta identificar hablantes, corregir apellidos poco comunes y realizar otras tareas

• oTranscribe no convierte automáticamente el audio a texto

  • Es una herramienta para hacer menos dolorosa la transcripción manual

• Recomiendan el servicio TurboScribe

  • Transcripción gratis de hasta 3 archivos por día (30 minutos por archivo)
  • El plan de pago permite transcribir hasta 10 horas por archivo
  • Soporta identificación de hablantes, varios formatos de exportación e incluye herramientas de IA

• Hizo una prueba de transcripción de entrevistas usando Gemini-1.5-Pro-Experiment-0801

  • El resultado fue casi perfecto
  • Le impresionó que marcara ciertas palabras entre comillas

• Está usando la app gratuita de iOS de Aiko

  • Usa el modelo Whisper de OpenAI
  • Permite exportar en formatos como SRT, TXT, CSV y JSON

• Está desarrollando una app open source para macOS usando Whisper y pyannote

  • Tiene funcionalidad, pero es lenta
  • Está teniendo dificultades para convertir Pyannote a CoreML
  • Las contribuciones son bienvenidas

• Está desarrollando una herramienta con IA incluida

  • Descarga desde YouTube, transcribe con Vosk y separa hablantes con pyannote
  • Guarda las transcripciones en un motor de búsqueda, falta implementar la web app
  • Espera colaborar con alguien