🎙️ mindscribe GUI - Audio Transcription Tool

README = beta!

Ein benutzerfreundliches GUI-Tool für hochpräzise Audio-Transkription mit WhisperX, optimiert für ADHS-freundliche Workflows und Wissensorganisation.

✨ Features

🎯 Drag & Drop Support - Dateien einfach ins Fenster ziehen
🎬 YouTube Integration - Direkte Transkription von YouTube-Videos
📝 Multiple Formate - TXT, SRT, VTT, JSON Export
🌍 Auto-Spracherkennung - Erkennt Sprache automatisch
🔄 Speaker Diarization - Unterscheidet verschiedene Sprecher
🧹 Auto-Cleanup - Temporäre Dateien werden automatisch gelöscht
📂 Quick Access - Öffne Zielordner direkt aus dem Tool

🚀 Installation

1. Voraussetzungen

   Python 3.9 - 3.11 (3.12+ noch nicht vollständig unterstützt) FFmpeg muss installiert sein CUDA (optional, für GPU-Beschleunigung)

FFmpeg Installation:

Windows:

Mit Chocolatey:

choco install ffmpeg

Oder manuell von: https://ffmpeg.org/download.html Und zu PATH hinzufügen

Linux:

sudo apt update && sudo apt install ffmpeg

macOS:

brew install ffmpeg

2. Repository klonen / Download

git clone https://github.com/deinusername/whisperx-gui.git cd whisperx-gui

3. Virtual Environment erstellen

Virtual Environment erstellen

python -m venv venv

Aktivieren

Windows:

venv\Scripts\activate

Linux/macOS:

source venv/bin/activate

4. Dependencies installieren

pip install -r requirements.txt

Für CUDA-Unterstützung (NVIDIA GPU):

CUDA 11.8 (empfohlen):

pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118

CUDA 12.1:

pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu121

🎮 Verwendung Start

python whisperx_gui.py

Workflow

Source File(s) auswählen:
    📁 Browse-Button
    🖱️ Drag & Drop
    🔗 YouTube-URL einfügen

Output Directory festlegen (optional - Standard: ./transcriptions)

Optionen konfigurieren:
    🌍 Sprache (Auto-Detect empfohlen)
    🎤 Model (large-v2 für beste Qualität)
    🔄 Speaker Diarization aktivieren
    📝 Output-Formate wählen

Transcribe klicken!

📂 Open Output Folder - Direkter Zugriff auf Ergebnisse

📋 Unterstützte Formate Input:

Audio: .mp3, .wav, .m4a, .flac, .ogg, .aac, .wma
Video: .mp4, .avi, .mkv, .mov, .webm
Streaming: YouTube-URLs

Output:

.txt - Einfacher Text
.srt - Untertitel (mit Timestamps)
.vtt - WebVTT Untertitel
.json - Vollständige Metadaten

⚙️ Konfiguration Models Model Qualität Geschwindigkeit VRAM tiny ⭐ ⚡⚡⚡ ~1 GB base ⭐⭐ ⚡⚡⚡ ~1 GB small ⭐⭐⭐ ⚡⚡ ~2 GB medium ⭐⭐⭐⭐ ⚡ ~5 GB large-v2 ⭐⭐⭐⭐⭐ ⚡ ~10 GB

Empfehlung: large-v2 für beste Ergebnisse Speaker Diarization

Benötigt HuggingFace Token:

Erstelle Account auf huggingface.co
Gehe zu Settings → Access Tokens
Erstelle Token und füge es im GUI ein
Akzeptiere die Bedingungen für:
    pyannote/segmentation
    pyannote/speaker-diarization

🎯 ADHS-optimierte Features

Visuelle Fortschrittsanzeige - Immer wissen wo du stehst
Log-Fenster - Alle Aktionen nachvollziehbar
Quick-Access - Zielordner sofort öffnen
Auto-Cleanup - Keine temporären Datei-Leichen
Batch-Processing - Alles auf einmal erledigen
YouTube-Direct - Kein manuelles Download nötig

💡 Workflow-Tipps

Für Podcasts/Interviews:

✅ Speaker Diarization aktivieren ✅ large-v2 Model ✅ SRT + TXT Export

Für schnelle Notizen:

✅ Auto-Detect Language ✅ small/medium Model ✅ Nur TXT Export

Für YouTube-Recherche:

✅ URL direkt einfügen ✅ Source files löschen aktivieren ✅ Alle Formate exportieren

🔧 Troubleshooting "FFmpeg not found"

Teste ob FFmpeg verfügbar ist:

ffmpeg -version

Falls nicht, installiere es (siehe oben)

"CUDA out of memory"

Verwende kleineres Model (medium statt large-v2)
Schließe andere GPU-Programme
Reduziere batch_size im Code

"ModuleNotFoundError: tkinterdnd2"

pip install tkinterdnd2 --force-reinstall

YouTube Download schlägt fehl

Aktualisiere yt-dlp:

pip install -U yt-dlp

Langsame Transkription (CPU)

Nutze kleineres Model
Oder installiere CUDA-Support (siehe oben)

📦 PyInstaller Build (Optional)

Erstelle standalone .exe:

Install PyInstaller

pip install pyinstaller

Build

pyinstaller --onefile --windowed --name="WhisperX-GUI" whisperx_gui.py

Executable in: dist/WhisperX-GUI.exe

⚠️ Wichtig: FFmpeg muss trotzdem separat installiert sein! 🤝 Integration mit Obsidian

Perfect für Wissensmanagement:

Setze Output Directory auf Obsidian Vault
Nutze TXT-Format
Erstelle Template für Metadaten:

---
source: {{filename}}
date: {{date}}
type: transcription
---

# {{title}}

{{transcript}}

📄 License

MIT License - Siehe LICENSE Datei 🙏 Credits

WhisperX - Max Bain
OpenAI Whisper
yt-dlp

💬 Support

Bei Fragen oder Problemen:

🐛 Issues
💡 Discussions

Made with ❤️ for better focus and productivity

📸 Screenshots

Einfaches Drag & Drop Interface

---

🛠️ Tech Stack

• WhisperX - State-of-the-art Speech Recognition
• PyTorch - Deep Learning Backend
• tkinter - Cross-platform GUI
• yt-dlp - YouTube Download
• faster-whisper - Optimized Inference

---

🤝 Contributing

Contributions welcome! See CONTRIBUTING.md

---

📜 License

MIT © 2024 dev-without-borders

---

🌟 Star History