#whisper — Public Fediverse posts

Trasforma la voce in testo, note e comandi direttamente dal desktop con OpenWhispr, un progetto open source attento alla privacy e disponibile anche per Linux. #Linux #OpenSource #OpenWhispr #AI #Whisper #VoiceToText https://www.linuxeasy.org/openwhispr-porta-dettatura-vocale-e-agenti-ai-open-source-su-linux/

Trasforma la voce in testo, note e comandi direttamente dal desktop con OpenWhispr, un progetto open source attento alla privacy e disponibile anche per Linux. #Linux #OpenSource #OpenWhispr #AI #Whisper #VoiceToText https://www.linuxeasy.org/openwhispr-porta-dettatura-vocale-e-agenti-ai-open-source-su-linux/

Trasforma la voce in testo, note e comandi direttamente dal desktop con OpenWhispr, un progetto open source attento alla privacy e disponibile anche per Linux. #Linux #OpenSource #OpenWhispr #AI #Whisper #VoiceToText https://www.linuxeasy.org/openwhispr-porta-dettatura-vocale-e-agenti-ai-open-source-su-linux/

Trasforma la voce in testo, note e comandi direttamente dal desktop con OpenWhispr, un progetto open source attento alla privacy e disponibile anche per Linux. #Linux #OpenSource #OpenWhispr #AI #Whisper #VoiceToText https://www.linuxeasy.org/openwhispr-porta-dettatura-vocale-e-agenti-ai-open-source-su-linux/

Trasforma la voce in testo, note e comandi direttamente dal desktop con OpenWhispr, un progetto open source attento alla privacy e disponibile anche per Linux. #Linux #OpenSource #OpenWhispr #AI #Whisper #VoiceToText https://www.linuxeasy.org/openwhispr-porta-dettatura-vocale-e-agenti-ai-open-source-su-linux/

56 минут созвона → текст за 5 минут на M4 без OBS и облака

У меня от трёх до пяти созвонов в день, почти все в браузере: Meet, Яндекс Телемост, ktalk, реже всего Zoom. Детали встреч мне нужны в тексте, иначе договорённости расползаются. Писал я звонки через OBS с захватом экрана, и на самих звонках началось веселье: звук временами жёстко квакал, всё чуть-чуть подвисало. Причину до конца не выяснял, моё предположение - процессор зажирался захватом и перебивал сам разговор; ktalk и браузер тут ни при чём. А экран, как потом дошло, мне вообще был не нужен. Дальше вторая серия. Расшифровку я гонял своими Python-скриптами: конвертация → транскрибация → диаризация (разметка, кто когда говорил). На встрече с пятью участниками диаризация расставляла голоса крайне плохо, половину фраз всё равно восстанавливал по памяти. Пошёл искать вариант, чтобы запись не мешала звонку, результат был приличный и всё крутилось локально: не хотелось ни отдавать записи в облако, ни платить подписку за минуты. Нашёл платный Audio Hijack , он подкупил лёгкостью и простотой настройки. Потом узнал, что на M-чипе быстрее всего у меня отрабатывает mlx-whisper на MLX : веса large-v3-turbo с Hugging Face, инференс на GPU Mac. Это архитектура Whisper, но рантайм — пакет mlx-whisper и бинарь mlx_whisper , не pip install openai-whisper и не репозиторий openai/whisper . Так собрался стек: Hijack пишет один mp3, mlx_whisper делает VTT, pyannote раскладывает по SPEAKER_XX. На 56-минутном звонке транскрипция заняла около пяти минут. Платный только Hijack — разовая лицензия, без подписки (цену смотрите на сайте Rogue Amoeba). Скрипты выложил в mac-call-transcribe под MIT. Ниже сборка, замеры с двух реальных звонков и грабли; повторяется на любом Mac с M-чипом.

https://habr.com/ru/articles/1062068/

#whisper #mlx #pyannote #speaker_diarization #расшифровка_звонков #python #apple_silicon #транскрибация_звонков

Fairly valid use of #AI, near realtime voice to text #estonian -> English translation tool. I have spent about 2 hours gluing together OpenAI #whisper and Google Gemma 4 e2b and WebRTC VAD (voice activity detection) in Python. Both whisper and Gemma are running on GPU together utilizing about 50% of my Radeon.

Как я решил проблему русской диктовки для ИИ

По мере погружения в ИИ и вайб‑кодинг, я столкнулся с одним неудобным моментом — отсутствием возможности диктовать на русском языке в некоторых программах. И если OpenAI в своем приложении позаботились об этом, то в Anthropic такой возможности на тот момент просто не оказалось. А мне уже так понравилось, откинувшись на спинку кресла с чашкой чая, надиктовывать промпты без клавиатуры. Но я быстро нашел выход, хоть и костыльный — просто диктовать свой текст в окошке GPT, потом копировать его и вставлять в Claude. Вроде несложно, но и удобным этот метод я бы не назвал. И я задумался, как этот процесс оптимизировать. И какая же идея могла прийти в голову в 3 часа ночи человеку, который полжизни занимается программированием? Ну конечно же — разработать свое приложение. Посоветовавшись с Claude и GPT, я набросал небольшой план и приступил к разработке. Поскольку я работаю на macOS, то для начала не стал заморачиваться с мультиплатформенностью и решил делать все на Swift.

https://habr.com/ru/articles/1039248/

#AI #OpenAI #Claude #Whisper #speechtotext #диктовка #voice_input #Apple_Silicon

AI для умного дома: что уже работает сегодня (часть 1)

В статье — не просто список инструментов, а как они сочетаются , какие подводные камни ждут при развёртывании, какие цифры можно ожидать по производительности и как обойти ограничения Llama 8B без облачных кредитов.

https://habr.com/ru/articles/1014246/

#умный_дом #Home_Assistant #Ollama #OpenClaw #MCP #LLM #локальный_AI #Whisper #n8n #голосовое_управление

Whisper Launches U.S. Hub As ‘Brady & The Blues’ Producer Revs Up For A Sale
#News #DavidCoulthard #JakeHumphrey #Sony #SonyPicturesTelevision #SunilPatel #Whisper

https://deadline.com/2025/11/whisper-launches-america-hub-sale-brady-and-the-blues-1236624474/

Free tools for creativity!

#Upscayl, #rembg, #Fooocus, #Whisper, #LLAMA3 by Meta, #Mixtral8x22b, & more: These #opensource, #AI-powered tools make image editing, audio work, transcription, and Large Language Models (#LLMs) exploration fun and easy!

Learn more about these top picks by #FOSS mentor @morrolinux: https://lpi.org/zhya

@LPI #LPI #Tech #AI #freesoftware #MorroLinux #Linux #FOSS #opensource #Upscayl, #rembg, #Fooocus, #Whisper, #LLAMA3, #Mixtral8x22 @openai

#DailyBloggingChallenge (365/365)

The only caveat of the #Whisper project is that it only works on 16-bit #WAV files.

There is a #FFMPEG script on how to do it via the #terminal

ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav

#DailyBloggingChallenge (363/365)

Instead opted in to using #Whisper which also works with #KdenLive.

Although Whisper is originally written in #Python there is a #CPP project that makes transcribing very fast. It took less than 2min to transcribe the 26 min audio clip.

https://github.com/ggerganov/whisper.cpp

#Matrix #Omega #Alex7000 #Xoanon #TheMagicMovieMachine #SCAPINA #Orac #Zen #TheOracle #Vanessa38–24–36 #C.O.R.A. #Mentalis #Dr.Theopolis #TheVortex #Gambit #Shyrka #Slave #CML #KITT #KARR #R.A.L.F. #TeletraanI #VectorSigma #BriantheBrain #Compucore #SID #Synergy #Box #LCARS #Albert #Crossover #MagicVoice #OMNSS #Priscilla #Holly #Gordon8000 #Queeg #Hilly #TalkieToaster #TheRevolvingToilet #Sandy #TheUltimaMachine #Ziggy #P.J. #HARDAC #COS #CAS #NICOLE #SELMA #CentSys #MetroNet #H.E.L.E.N. #SharonApple #TheMagiMelchiorBalthasarCaspar #Eve #L.U.C.I-U.N.I.C.E #EmergencyMedicalHologram #Alice #Long-termMedicalHolographicprogram, #VicFontaine, #GilliamII #QuadraplexT-3000Computer #Memorymatic #MPU #Starfighter31 #Computer #P.A.T. #D.E.C.A. #BlackBetty #KarenPlankton #Andromeda #Comp-U-Comp #Caravaggio #C.H.A.D. #GLADIS #CybergirlXandaIsaac #Computer #SAINT #AuraMorganna #Vox #AI #Wirbelwind #Delphi #Sheila/F.I.L.S.S. #OoGhiJMIQtxxXA #XANA #Survive #C.A.R.R. #D.A.V.E. #TheOmnitrix #Solty/Dike #Eunomia #Eirene #Bournemouth #S.O.P.H.I.E. #Scylla #FETCH!3000 #S.A.R.A.H. #TheIntersect #MrSmith #Pear #TheTurk #KITT #POD #ISIS #VenjixVirus #VYVAIVAI #Whisper #Aya #TheMachine #R.A.C.I.S.T. #Samaritan