Descripción

Adecuado para quienes necesitan organizar grabaciones autorizadas de entrevistas, reuniones o clases. Proporcione el archivo original, el idioma, el uso previsto, la transcripción existente o el mapeo confiable de tiempos de los oradores; no se puede confirmar la identidad solo por la voz ni tratar los guiones como lo que realmente se escucha. Conserva el audio original y el hash → lee la duración/pista de audio → ASR real → organiza según la cronología real → etiqueta a los oradores anónimos cuando haya bases → contrasta con el audio original para números, negaciones, nombres y dudas → entrega TXT, JSON, SRT y notas de cobertura. El borrador automático, la revisión auditiva y el resumen van por separado; lo que no se entienda claramente se mantiene pendiente de verificación sin rellenar palabras para que suene fluido. Si no hay herramientas de audio o ASR, se indica claramente que no se ha transcrito. Las instrucciones y el paquete incluyen un asistente local original completo: Python3, FFmpeg/FFprobe, faster-whisper y caché small preconfigurada, CPU/int8, local_files_only, sin descarga automática de pesos. Con un speaker-map confiable, se transcribe según el intervalo real y se mapean los tiempos; si no hay mapeo, las marcas de tiempo quedan como desconocidas. El asistente no realiza separación automática de voz ni identificación de identidad, y el paquete no incluye pesos, cuentas ni claves. Los cuatro ejemplos corresponden a una narración personal en chino, una entrevista en chino entre dos personas, una explicación de curso en inglés y una reunión en chino entre dos personas, con un audio original total de unos 40.875 segundos. El audio original final utiliza una versión local fija de Kokoro-82M indicada en la tarjeta de modelo Apache-2.0 (zf_xiaobei, zm_yunjian, af_heart), sin ser personas reales ni clonación de voz; el paquete no distribuye modelos, voces ni audios de ejemplo. Los cuatro ejemplos de ASR real generan archivos TXT/JSON/SRT; los oradores provienen de los tiempos de habla sintéticos proporcionados y no de una separación automática de oradores. Sigue siendo un borrador automático; la divergencia del ASR y el guion en el segundo ejemplo queda pendiente de revisión auditiva sin modificar la frase original dicha. La forma de onda proviene de los picos PCM de entrada reales y no es una onda decorativa. Se recomienda GPT para la organización de texto y las herramientas ASR correspondientes; no se llama a la API de transcripción de OpenAI ni se ejecutan CLI ascendentes a nivel local. El avatar independiente es una visualización de concepto de ImageGen, la herramienta no devolvió un modelo y no se proclama como Image2. Las herramientas de YouMind, las caché, las descargas de archivos y la vinculación de modelos no consumen puntos de prueba; es necesario confirmar según el entorno real. La transcripción y la organización de oradores no garantizan una ejecución sin dependencias tras la instalación. Los 299 puntos corresponden al precio de instalación y no incluyen modelos, API ni servicios de terceros; no compran automáticamente ni cargan pistas de audio desconocidas en servicios adicionales. No se promete cero errores, reconocimiento completo de acentos, ruido o superposición de múltiples voces, peritaje judicial o de identidad, eficiencia de tiempo ni efectos comerciales. La revisión auditiva independiente está pendiente y no se publicita la verificación palabra por palabra.