Local Transcription of Calls on Mac with M-Chip: Audio Hijack + mlx-whisper + pyannote
MLX Community
Pyannote (by INRIA)
Rogue Amoeba
OpenAI
The author shares experience of creating a local pipeline for recording and transcribing calls on an Mac with an M-chip. Audio Hijack is used for recording, mlx-whisper on MLX for transcription, and pyannote for diarization. The entire process does not require cloud services, works on M4 in 5 minutes for a 56-minute call, and scripts are posted on GitHub.
Makale yazarı, Mac'te M çipli cihazında bulut hizmetlerini ve performans sorunları nedeniyle OBS'yi reddederek yerel kayıt ve toplantı deşifre işlemini nasıl düzenlediğini anlatıyor. Kayıt için, tüm sesleri tek bir MP3 dosyasına yazan ve diyarizasyon için gerekli olan ücretli Audio Hijack'ı kullanıyor. Transkripsiyon, MLX üzerinde mlx-whisper (large-v3-turbo ağırlıkları) ile yapılıyor ve M4'te 56 dakikalık ses 5 dakikada işleniyor. Diyarizasyon, Hugging Face'te iki kabul ve erişim belirteci gerektiren pyannote speaker-diarization-3.1 ile gerçekleştiriliyor. Yazar, transkripsiyon, halüsinasyon temizliği ve diyarizasyonu birleştiren, zaman kodları, VTT ve TXT çıktıları veren transcribe-meeting.py betiğini yazdı. Betikler mac-call-transcribe deposunda yayınlandı. Sorunlar arasında kısa konuşmalarda KONUŞMACI karışıklığı, sessizlikte Whisper halüsinasyonları ve manuel isim düzeltme ihtiyacı yer alıyor. Ayrıca ARM64 Python sürümü ve platform.machine() kontrolü gerektiği uyarısı yapılıyor.
Kaynak: Habr — хаб ИИ —
orijinal