ผู้จัดการต้องการบทถอดเสียงเพื่อทำบันทึกการประชุมและรายการงานต่อเนื่อง แต่ไม่สามารถส่งการสนทนาที่เป็นความลับไปยังบริการ
AI สาธารณะได้ และการถอดเสียงด้วยมือใช้เวลานาน
สร้างแอปเดสก์ท็อปสำหรับ macOS และ Windows ด้วย Tkinter/ttk โดย Apple Silicon ใช้ MLX Whisper ส่วน Mac Intel และ Windows ใช้ Faster Whisper กับ CTranslate2 บน CPU ผู้ใช้เลือกไฟล์ ภาษา และรูปแบบผลลัพธ์ TXT/SRT ได้ งานเบื้องหลังช่วยให้ส่วนติดต่อยังตอบสนอง พร้อมแสดงความคืบหน้าและข้อผิดพลาดโดยละเอียด การใช้งานครั้งแรกจะดาวน์โหลดส่วนประกอบที่ต้องใช้และโมเดล ส่วนการถอดเสียงครั้งต่อไปจะทำงานในเครื่อง
ชุดเทคโนโลยีประกอบด้วย Python 3.10+, Hugging Face Hub สำหรับดาวน์โหลดและแคชโมเดล และ FFmpeg สำหรับถอดรหัสเสียง/วิดีโอ (ติดตั้งผ่าน Homebrew เมื่อจำเป็นบน macOS) Apple Silicon ใช้ mlx-community/whisper-large-v3-turbo ส่วนโหมด CPU ใช้ Faster Whisper, CTranslate2 และ large-v3-turbo ความคืบหน้าการดาวน์โหลดโมเดลคำนวณถ่วงน้ำหนักตามขนาดไฟล์ เพื่อไม่ให้เปอร์เซ็นต์เริ่มนับใหม่ระหว่างไฟล์ การประมวลผลทำงานในเธรดเบื้องหลังพร้อมคิวเหตุการณ์ GUI ข้อผิดพลาดจะแสดงผลลัพธ์ที่จับไว้และ traceback Python ฉบับเต็มที่คัดลอกได้
ตามเอกสารกรณีศึกษา การถอดเสียงประชุมหนึ่งชั่วโมงใช้เวลา 3–5 นาที แทนการทำงานด้วยมือ 1–2 ชั่วโมง ประมวลผลเสียงในเครื่อง และเอกสารยังระบุว่าประหยัดเวลาจัดทำบันทึกการประชุมให้ทีม 6–8 ชั่วโมงต่อสัปดาห์
| ตัวชี้วัด | ผลลัพธ์ |
|---|---|
| การถอดเสียงบันทึกหนึ่งชั่วโมง | ทำด้วยมือ 1–2 ชั่วโมง → อัตโนมัติ 3–5 นาที |
| เสียงที่ส่งไปยังบริการภายนอก | 0 ไบต์ |
| การจัดทำบันทึกการประชุมต่อทีมต่อสัปดาห์ | 6–8 ชั่วโมง → ใช้เวลาไม่กี่นาทีในการตรวจ |
| Windows ที่ไม่มี GPU | ประมวลผลบน CPU (CTranslate2) |
เวลาและการประหยัดเวลาระบุไว้ในเอกสารของกรณีศึกษา แต่ประสิทธิภาพจริงขึ้นอยู่กับไฟล์บันทึกและคอมพิวเตอร์