SE Stanislav EirichIT · KI · Security
Menü
Projekte

Von einzelnen Modellen
zur Anwendung.

Zwei eigene Projekte rund um Sprache und Audio. Der Code ist auf GitHub verfügbar; Voxtral Voice Gen lässt sich anhand veröffentlichter Hörbeispiele kennenlernen.

01 / Transkription & ÜbersetzungPrototyp · öffentlich auf GitHub

AI Audio Suite

Aus Audiodateien werden Texte mit Zeitstempeln – auf Wunsch mit Übersetzung und Export als SRT oder TXT.

Was die Anwendung macht

Die Browseroberfläche nimmt Dateien oder Mikrofonaufnahmen entgegen. Das Backend verarbeitet Aufträge mit WhisperX, richtet die Zeitstempel aus und übersetzt optional mit Rosetta.

Womit ich mich beschäftigt habe

Einrichtung der Modellumgebung, Geräte-Warteschlangen, Modell-Caching, Abbruch von Aufträgen und die Verbindung zwischen Oberfläche und Backend.

Repository ansehen

Verarbeitung

  1. Audiodatei hochladen
  2. Job in Geräte-Warteschlange
  3. Transkription & Zeitstempel
  4. Optionale Übersetzung
  5. SRT- oder TXT-Export

FastAPI · WhisperX · PyTorch · Rosetta

Entwicklungsstand: lokale Verarbeitung mit Jobs im Arbeitsspeicher. Der aktuelle Funktionsumfang und offene Grenzen stehen im Repository.

02 / Sprachausgabe & SystemintegrationPrototyp · Hörbeispiele verfügbar

Voxtral Voice Gen

Text in Sprache umwandeln – mit einem lokal betriebenen TTS-Dienst und einem optionalen Chatmodus.

Was die Anwendung macht

Ein FastAPI-Backend verbindet den Voxtral-TTS-Dienst mit einer Browseroberfläche. Optional kommen Whisper-Spracherkennung und eine lokale oder Cloud-LLM-API hinzu. Cloud-Chat übermittelt Nachrichten an den gewählten Anbieter.

Womit ich mich beschäftigt habe

Docker-basierter Modellbetrieb, API-Anbindung, asynchrone Abläufe, Filterung von Spracheingaben und die Wiedergabe der erzeugten Audiodaten.

Hörbeispiele öffnen GitHub

Verfügbare Hörbeispiele

Neun veröffentlichte Beispiele in Deutsch, Englisch, Französisch und Italienisch.

DeutschEnglischFranzösischItalienisch

FastAPI · vLLM-Omni · Docker · Whisper · Silero VAD

Entwicklungsstand: Anwendung für einen einzelnen Nutzer. Die Sprachausgabe wird als vollständige Audiodatei erzeugt. Details und offene Grenzen stehen im Repository.

Freizeit

Ein weiteres eigenes Projekt.

In meiner Freizeit entwickle ich eine Mobile App.

Kontakt

Lass uns ins Gespräch kommen.

Über IT, Cloud, Security oder ein konkretes KI-Projekt.

Kontakt aufnehmen