Was macht openai-whisper-local?
Agent-Fähigkeit zur lokalen Transkription von Audio mithilfe von OpenAIs Whisper.
Beschreibung
Diese Fähigkeit ermöglicht es, Audiodateien lokal in Text umzuwandeln, ohne dass eine Internetverbindung oder API-Schlüssel erforderlich sind. Sie verwendet das Open-Source-Modell Whisper von OpenAI und läuft direkt auf dem lokalen Rechner oder in einer Umgebung, die Python und die notwendigen Abhängigkeiten unterstützt.
Hauptmerkmale
- Lokale Transkription: Keine Datenverlagerung in die Cloud; vollständige Privatsphäre der Audiodaten.
- Offline-Fähig: Nutzbar ohne Internetverbindung, nachdem die Modelle heruntergeladen wurden.
- Kostengünstig: Keine API-Kosten, nur die lokalen Rechenressourcen.
- Flexibilität: Unterstützt verschiedene Whisper-Modellgrößen (z. B. tiny, base, small, medium, large).
Voraussetzungen
- Python 3.7 oder höher
- whisper (von OpenAI) und seine Abhängigkeiten (PyTorch, ffmpeg)
Verwendung
Rufe die Fähigkeit auf und übergib den Pfad zur Audiodatei:
whisper audio.mp3 --model base
Alternativ kann die Fähigkeit auch in ein Skript integriert werden:
import whisper
model = whisper.load_model("base")
result = model.transcribe("audio.mp3")
print(result["text"])
Konfiguration
Die Fähigkeit akzeptiert folgende Parameter:
audio_file(erforderlich): Pfad zur Audiodatei.model(optional): Whisper-Modellname (Standard: base).language(optional): Sprache des Audios (z. B. "de" für Deutsch). Wenn nicht angegeben, wird automatisch erkannt.output_format(optional): Ausgabeformat (txt, vtt, srt, tsv, json). Standard: txt.
Fehlerbehebung
Stelle sicher, dass ffmpeg installiert ist. Falls das Modell nicht gefunden wird, wird es automatisch beim ersten Lauf heruntergeladen.