प्रबंधकों को मीटिंग नोट्स और कार्रवाई बिंदुओं के लिए ट्रांसक्रिप्ट चाहिए थे, लेकिन गोपनीय बातचीत सार्वजनिक AI सेवाओं पर
नहीं भेजी जा सकती थी और मैन्युअल ट्रांसक्रिप्शन में समय लगता था।
Tkinter/ttk के साथ macOS और Windows के लिए डेस्कटॉप ऐप बनाया। Apple Silicon पर MLX Whisper चलता है; Intel Mac और Windows पर CPU के साथ Faster Whisper और CTranslate2। उपयोगकर्ता फ़ाइल, भाषा और TXT/SRT आउटपुट चुनते हैं। बैकग्राउंड वर्कर इंटरफ़ेस को प्रतिक्रियाशील रखते हैं और प्रगति तथा विस्तृत त्रुटियाँ दिखाते हैं। पहली बार चलाने पर निर्भरताएँ और मॉडल डाउनलोड होते हैं; इसके बाद ट्रांसक्रिप्शन डिवाइस पर होता है।
स्टैक में Python 3.10+, मॉडल डाउनलोड और कैश के लिए Hugging Face Hub तथा ऑडियो/वीडियो डिकोडिंग के लिए FFmpeg शामिल हैं (macOS पर ज़रूरत पड़ने पर Homebrew से इंस्टॉल)। Apple Silicon पर mlx-community/whisper-large-v3-turbo चलता है; CPU मोड Faster Whisper, CTranslate2 और large-v3-turbo का उपयोग करता है। मॉडल डाउनलोड प्रगति फ़ाइल आकार के आधार पर भारित है, इसलिए फ़ाइल बदलने पर प्रतिशत रीसेट नहीं होता। प्रोसेसिंग वर्कर थ्रेड और GUI इवेंट क्यू में चलती है; त्रुटियों में कैप्चर किया गया आउटपुट और पूरी, कॉपी की जा सकने वाली Python traceback दिखाई जाती है।
केस सामग्री के अनुसार, एक घंटे की बैठक रिकॉर्डिंग को लिखित रूप देने में 3–5 मिनट लगते हैं, जबकि हाथ से करने में 1–2 घंटे लगते। ऑडियो स्थानीय रूप से प्रोसेस होता है; सामग्री टीम के लिए हर सप्ताह मीटिंग नोट्स तैयार करने में 6–8 घंटे की बचत भी बताती है.
| मापदंड | परिणाम |
|---|---|
| एक घंटे की रिकॉर्डिंग का ट्रांसक्रिप्शन | 1–2 घंटे हाथ से → 3–5 मिनट स्वचालित |
| बाहरी सेवाओं पर भेजा गया ऑडियो | 0 बाइट |
| टीम के मीटिंग नोट्स प्रति सप्ताह | 6–8 घंटे → जाँच के कुछ मिनट |
| GPU के बिना Windows | CPU पर प्रोसेसिंग (CTranslate2) |
गति और समय की बचत के आँकड़े केस की सामग्री में दिए गए हैं; वास्तविक प्रदर्शन रिकॉर्डिंग और कंप्यूटर पर निर्भर करता है।