Audio Processing Tools

Eine umfassende Sammlung von Python-Tools für Audio-Verarbeitung mit OpenAI's Whisper AI und erweiterten Funktionen.

Installation

1. Abhängigkeiten installieren:

python -m venv .venv
source ./venv/bin/activate
pip install -r requirements.txt

Whisper Transcriber

Erweiterte Audio-Transkription mit Unterstützung für einzelne Dateien und ganze Verzeichnisse.

Grundlegende Verwendung

# Einzelne Datei
python whisper_transcriber.py audio.mp3

# Ganzen Ordner verarbeiten
python whisper_transcriber.py /pfad/zum/ordner

# Rekursiv alle Unterordner
python whisper_transcriber.py /pfad/zum/ordner --recursive

Erweiterte Optionen

# Spezifisches Modell und GPU verwenden
python whisper_transcriber.py ordner/ --recursive --model medium --device cuda

# Deutsche Audiodateien mit SRT-Untertiteln
python whisper_transcriber.py audio/ -r --language de --format srt

# Mehrere Output-Formate gleichzeitig
python whisper_transcriber.py audio/ -r --format txt srt csv

# Alle Audioformate in Ordner verarbeiten
python whisper_transcriber.py /multimedia/ordner --recursive --format json

# CPU forcieren für niedrige GPU-Speicher
python whisper_transcriber.py audio.wav --device cpu --model large

Features

• Batch-Verarbeitung: Verarbeitet ganze Ordner mit allen Unterordnern
• Mehrere Output-Formate: Erstellt gleichzeitig mehrere Dateiformate (txt, srt, vtt, json, csv)
• Smart Skip: Überspringt bereits vorhandene Output-Dateien
• Lokaler Output: Speichert Ergebnisse neben den Original-Dateien
• Fortschritts-Tracking: Detaillierte Fortschrittsanzeige und Statistiken
• Fehler-Handling: Robuste Fehlerbehandlung mit detaillierten Berichten
• Type Annotations: Vollständig typisierter Python-Code für bessere IDE-Unterstützung

Verfügbare Modelle

• tiny: Schnellstes, aber ungenauestes Modell (~39 MB)
• base: Gute Balance zwischen Geschwindigkeit und Genauigkeit (~74 MB)
• small: Bessere Genauigkeit (~244 MB)
• medium: Hohe Genauigkeit (~769 MB)
• large: Höchste Genauigkeit (~1550 MB)
• large-v2: Verbesserte Version des large Modells
• large-v3: Neueste Version mit bester Genauigkeit

Unterstützte Audioformate

Das Tool unterstützt alle gängigen Audioformate:

• MP3, WAV, MP4, M4A, FLAC, OGG, WMA, AAC, etc.

Output-Formate

• txt: Einfacher Text mit Zeitstempel-Format [MM:SS - MM:SS] Text
• srt: SubRip Untertitel für Videos
• vtt: WebVTT Untertitel für Web-Player
• json: Vollständige Whisper-Ausgabe mit allen Metadaten
• csv: CSV-Format mit starttime;endtime;text (Semikolon-getrennt)

Mehrere Formate gleichzeitig

Das Tool unterstützt die gleichzeitige Erstellung mehrerer Output-Formate:

# Erstellt .txt, .srt und .csv Dateien
python whisper_transcriber.py audio.mp3 --format txt srt csv

# Alle verfügbaren Formate
python whisper_transcriber.py audio.mp3 -f txt srt vtt json csv

Beispiele

# Deutsche Audiodateien in Ordner transkribieren
python whisper_transcriber.py audio_ordner/ --recursive --language de --model medium

# Untertitel für alle Videos in Ordner erstellen
python whisper_transcriber.py videos/ --recursive --format srt --device cuda

# Höchste Qualität für wichtige Aufnahmen mit mehreren Formaten
python whisper_transcriber.py interviews/ -r --model large-v3 --device cuda --format txt srt csv

# CSV-Export für Datenanalyse
python whisper_transcriber.py meeting.mp4 --format csv --language de

GPU-Unterstützung (CUDA)

Alle Tools unterstützen NVIDIA GPU-Beschleunigung über CUDA:

• --device auto: Automatische Erkennung (Standard)
• --device cuda: GPU verwenden (falls verfügbar)
• --device cpu: CPU verwenden

Die GPU-Beschleunigung kann die Verarbeitungszeit erheblich verkürzen, besonders bei größeren Modellen und vielen Dateien.

Unterstützte Audioformate

Alle Tools arbeiten mit den gängigsten Audioformaten:

• Audio: MP3, WAV, FLAC, OGG, WMA, AAC, M4A