¿Qué hace ACE-Step-1.5?
Transcribe audio a letras sincronizadas usando OpenAI Whisper o ElevenLabs Scribe API. Genera archivos LRC, SRT o JSON con marcas de tiempo a nivel de palabra. Útil cuando los usuarios quieren transcribir canciones, generar archivos LRC o extraer letras sincronizadas.
Requisitos
- Python 3.9 o superior
- Paquetes:
openai-whisper(si usas Whisper) o clave API de ElevenLabs (si usas Scribe) - FFmpeg instalado en el sistema
Instalación
pip install openai-whisper ffmpeg-python
Uso
Transcripción con Whisper
python transcribe.py --input audio.mp3 --output letras.lrc --model large
Transcripción con ElevenLabs Scribe
export ELEVENLABS_API_KEY="tu_clave_api"
python transcribe.py --input audio.mp3 --output letras.srt --engine elevenlabs
Formatos de salida
- LRC: Formato de letras sincronizadas, común para karaoke.
- SRT: Formato de subtítulos, compatible con la mayoría de reproductores.
- JSON: Estructura flexible con marcas de tiempo inicio/fin para cada palabra.
Ejemplo de archivo LRC
[00:12.34] Esta es la primera línea
[00:15.67] Y esta es la segunda
Ejemplo de salida JSON
{
"words": [
{"word": "Esta", "start": 12.34, "end": 12.50},
{"word": "es", "start": 12.50, "end": 12.65},
{"word": "la", "start": 12.65, "end": 12.78}
]
}
Soporte de plataformas
- Linux, macOS
- Windows (con WSL)
Variables de entorno
ELEVENLABS_API_KEY: Clave API para usar el servicio ElevenLabs Scribe.WHISPER_MODEL: Modelo Whisper a usar (por defecto:base).
Licencia
MIT