Et lille værktøj, der laver dansk tale om til tekst helt lokalt på min egen computer – uden grafikkort, uden abonnement og uden at lyden forlader maskinen.
Programmet køres fra kommandolinjen på Windows og bygger på den danske talegenkendelsesmodel Edda v0.2 fra Alexandra Instituttet og Danish Foundation Models, der køres med det åbne værktøj whisper.cpp. Det kan transskribere lyd- og videofiler, en hel mappe ad gangen eller lyden fra et YouTube-link. Resultatet gemmes som ren tekst (.txt) og/eller som undertekstfil (.srt). Undervejs viser en statuslinje, hvor langt det er nået, og arbejdet kan sættes på pause eller stoppes.
Henter altid den nyeste version fra GitHub (åbner i nyt vindue). Programmet kører på din egen computer – intet sendes via keha.dk, og lyden uploades ingen steder.
Sådan kommer du i gang (Windows)
- Installér de nødvendige værktøjer. Åbn Terminal (eller PowerShell) og kør disse linjer én ad gangen:
winget install Python.Python.3.12winget install Gyan.FFmpeg - Valgfrit: Vil du transskribere YouTube-videoer, så kør også
winget install yt-dlp.yt-dlp. For at kunne sætte arbejdet på pause eller stoppe det, kørpip install psutil. - Luk og genåbn Terminal, så Windows finder de nye programmer.
- Download zip-filen med knappen ovenfor, og pak den ud, fx i mappen Dokumenter.
- Dobbeltklik på
edda.bati den udpakkede mappe – eller træk en lydfil ind på den. Vælg model (hurtig eller præcis) og om du vil have tekst, undertekster eller begge dele.
Første gang henter programmet selv talemodellen (ca. 574 MB) og whisper.cpp. Det sker kun én gang. Teksterne gemmes i undermappen Transskriptioner ved siden af programmet.
Programmet forstår kun dansk. Det kører på computerens processor, så en længere optagelse tager sin tid. Undertekstfilerne får kun grove tidsstempler (et afsnit pr. ca. 30 sekunder).
Tanker og noter
Jeg blev nysgerrig efter at have læst Mads fra syv.ai’s opslag om Edda (åbner i nyt vindue). Jeg ville gerne se, hvordan jeg kunne få de lidt abstrakte ord og begreber – modeller, drafters, kvantisering – omsat til noget, jeg selv kunne bruge: at gøre dansk tale til dansk tekst, og så endda lokalt på min egen computer.
Jeg forstår endnu ikke super meget af Hugging Face, og hvordan man får en model derfra og over til noget, man rent faktisk kan bruge. Men med lidt hjælp fra chatbot and friends lykkedes det, og efter to iterationer var jeg godt tilfreds med resultatet.
Udgangspunktet var syv.ai’s hurtige udgave af Edda, som kræver et grafikkort. Det har min computer ikke, så i stedet blev det den mindre søstermodel Edda v0.2, der er lavet til at kunne køre på en almindelig processor. Den blev pakket ind i samme stil som min YouTube-downloader.
Undervejs gav værktøjet helt tomme tekstfiler. Fejlsøgningen viste, at modellen ikke kan lave de tidsstempler, whisper.cpp beder om som standard, så den blev ved med at prøve forfra i op til otte minutter og gav så op. Med tidsstemplerne slået fra kom teksten med det samme.