meeting-to-text은(는) 무엇을 하나요?
로컬 회의 전사 및 화자 분리 AI 기술(SenseVoice + 3D-Speaker)입니다. 오프라인 동영상/오디오를 텍스트로 변환하며 화자를 분리합니다(< 3GB). 로컬에서 완전히 오프라인으로 실행되는 회의 전사 및 화자 분리 AI 기술로, 음성/비디오 추출과 고정밀 ASR을 통합했습니다.
기능
- 완전 오프라인 실행: 로컬에서만 처리되며, 데이터가 외부로 유출되지 않습니다.
- 화자 분리: 3D-Speaker 모델을 사용하여 각 화자를 식별하고 분리합니다.
- 고정밀 전사: SenseVoice 모델을 기반으로 한 고정밀 음성 인식(ASR).
- 다양한 입력 형식: 동영상(MP4, AVI 등) 및 오디오(MP3, WAV 등) 파일을 지원합니다.
- 3GB 미만의 가벼운 용량: 저사양 환경에서도 실행 가능합니다.
설치
pip install -r requirements.txt
사용 방법
python transcribe.py --input /path/to/audio_or_video.mp4
요구 사항
- Python 3.8+
- FFmpeg
- CUDA 지원 GPU (선택 사항, CPU에서도 동작)
데이터 처리 흐름
- 입력 파일에서 오디오 추출 (동영상인 경우)
- VAD(음성 활동 감지)로 음성 구간 분할
- SenseVoice로 각 구간 전사
- 3D-Speaker로 화자 임베딩 추출 및 클러스터링
- 최종 출력: 각 화자별 타임스탬프가 포함된 텍스트
라이선스
MIT License