在M芯片Mac上实现通话本地转录：Audio Hijack + mlx-whisper + pyannote
MLX Community
Pyannote (by INRIA)
Rogue Amoeba
OpenAI
作者分享了在搭载M芯片的Mac上创建用于录制和转写通话的本地管道的经验。使用Audio Hijack进行录制，mlx-whisper（基于MLX）进行转写，pyannote进行说话人分离。整个过程无需云服务，在M4上处理56分钟的通话仅需5分钟，相关脚本已发布在GitHub上。
Автор статьи рассказывает, как он организовал локальную запись и расшифровку созвонов на Mac с чипом M, отказавшись от облачных сервисов и OBS из-за проблем с производительностью. Для записи он использует платный Audio Hijack, который записывает все голоса в один MP3-файл — это необходимо для диаризации. Транскрипция выполняется с помощью mlx-whisper на MLX (веса large-v3-turbo): на M4 56 минут аудио обрабатываются за 5 минут. Диаризация осуществляется через pyannote speaker-diarization-3.1, для чего требуется два разрешения (Accept) на Hugging Face и токен доступа. Автор написал скрипт transcribe-meeting.py, который объединяет транскрипцию, очистку галлюцинаций и диаризацию, выводя JSON с временными метками, VTT и TXT. Скрипты опубликованы в репозитории mac-call-transcribe. Среди проблем автор отмечает путаницу SPEAKER на коротких репликах, галлюцинации Whisper на тишине и необходимость ручной подстановки имён. Также он предупреждает о необходимости ARM64-версии Python и проверки platform.machine().
来源: Habr — хаб ИИ —
原文