transcript
show notes
ポッドキャストの音声にNVIDIAのRE-USEでノイズ除去をかけ、Whisperによる文字起こしとの組み合わせを試しました。聴きやすい音声が必ずしも文字起こしにも有利とは限らず、ノイズの強さやモデルによって結果が変わるという実験の話です。配信用は修復した音声、文字起こしは原音から進める使い分けと、自分のデータで確かめる大切さを話します。
目次
00:00 オープニング
00:20 娘の空手大会と出張先からの収録
02:00 ポッドキャストのノイズ除去と音声認識
03:10 AIで概要作成から配信まで自動化する
04:42 RE-USEを前回の配信に使った感想
05:58 ノイズを取ると文字起こしは良くなる？
07:16 自分の音声で比較した実験結果
07:47 ノイズ除去とWhisperの相性を考える
09:26 ノイズの強さとモデルで変わる結果
10:27 自分のデータで確かめて仕組みを理解する
11:08 配信用音声と文字起こし用音声を分ける
12:00 文字起こし用OSSの紹介
12:41 お便り募集とエンディング
リンク
NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしを比較してみた
https://zenn.dev/karaage0703/articles/podcast-reuse-whisper-workflow
Transcriber Tool
https://github.com/karaage0703/transcriber-tool
AIアシスタント xangi
https://github.com/karaage0703/xangi
▼コミュニティ「からあげ帝国」への参加はこちら（Discord）
https://discord.com/invite/PWpEB7KUsN
