使用 aTrain：介绍一种用于可访问访谈转录的界面
声音
2023-10-19 v1 机器学习
音频与语音处理
摘要
aTrain 是一款开源且离线的音频数据多语言转录工具，支持 CPU 和 NVIDIA GPU。它专为使用与研究参与者各种语音交互生成的定性数据的研究人员设计。aTrain 无需编程技能，可在大多数计算机上运行，不需要互联网连接，并经验证不会将数据上传至任何服务器。aTrain 将 OpenAI 的 Whisper 模型与说话人识别相结合，提供可与流行的定性数据分析软件工具 MAXQDA 和 ATLAS.ti 集成的输出。它具有易于使用的图形界面，并通过 Microsoft Store 以 Windows 应用形式提供，便于研究人员简单安装。源代码可在 GitHub 上自由获取。我们以本地计算机上的速度为重点开发了 aTrain，结果表明，在使用最高精度转录模型的当前移动 CPU 上，转录时间约为音频文件时长的 2 至 3 倍。如果配备入门级显卡，转录速度可提升至音频时长的 20%。
引用
@article{arxiv.2310.11967,
title = {Take the aTrain. Introducing an Interface for the Accessible Transcription of Interviews},
author = {Armin Haberl and Jürgen Fleiß and Dominik Kowald and Stefan Thalmann},
journal= {arXiv preprint arXiv:2310.11967},
year = {2023}
}
备注
Install via Microsoft store: apps.microsoft.com/store/detail/atrain/9N15Q44SZNS2. Github: github.com/BANDAS-Center/aTrain