Потрібне програмне забезпечення для рерайту тексту без інтерфейсу

Здравствуйте!
Готовий взятися за реалізацію вашого проекту.

Нещодавно працював над схожим рішенням — системою обробки відео з розпізнаванням та переформулюванням тексту. Ваше завдання цілком можливо реалізувати у локальному режимі:

без сторонніх сервісів,

з використанням GPU (підтримка вашої RTX 4060 забезпечить помітне прискорення),

… підтримка кількох мов (російська, англійська, іспанська, німецька, італійська, польська — можливо організувати, уточнимо деталі),

результат — якісний рерайт тексту з рівнем унікальності 90–95% та збереженням сенсу і тону оригіналу.

Програма буде:
📁 автоматично обробляти всі відео з папки input,
📝 витягати та розпізнавати мову,
🔁 робити перефразування та структурні зміни тексту,
📁 зберігати результат у output.

Хотів би уточнити:

Середню довжину відео (ви вказали до 12 годин — потрібно обговорити технічні межі).

Максимальну кількість роликів за один запуск.

Давайте обговоримо деталі у приватних повідомленнях — розповім, які варіанти оптимальні для локальної роботи.

Чекаю на ваше повідомлення!

Показати оригінал

Перекласти

Здравствуйте!
Я уважно ознайомився з вашим технічним завданням — і можу запропонувати реалізацію автономного десктоп-додатку для Windows, який буде виконувати пакетний рерайт тексту з відеороликів, без використання сторонніх сервісів (усе локально, з можливістю прискорення через GPU NVIDIA RTX 4060).

Що буде включено до рішення:

Пакетна обробка:

Завантажуєте відеофайли у папку input.

… На виході у папці output отримуєте унікальні тексти.

Видобуття аудіо та транскрибація:

Використовую локальну модель (наприклад, Whisper CPP або Faster-Whisper з підтримкою CUDA) для якісного розпізнавання мови, включаючи довгі відео до 12 годин.

Підтримуються мови: російська, англійська, німецька, іспанська, італійська, польська (можливість розширення списку обговорюється).

Рерайт тексту:

Автоматичне перефразування (локально) з урахуванням:

Синонімізації.

Перестановки та спрощення речень.

Збереження стилю та інтонації оригіналу.

Забезпечення унікальності 90–95%.

Використовую одну з сучасних мовних моделей з локальною інтеграцією (наприклад, Mistral, Gemma, LLaMA, OpenHermes, або спеціалізовані моделі для paraphrasing) — GPU буде задіяний максимально.

Простий користувацький інтерфейс (за бажанням):

Можливість обрати мову введення/виведення.

Налаштування глибини рерайту (баланс між точністю та унікальністю).

Індикатор прогресу та лог помилок.

Показати оригінал

Перекласти

Добрий день!
Розробляю програмне забезпечення на Python!
Зробив подібне софт для транскрибації аудіофайлів у текст з прийнятною якістю обробки.
Хотів би обговорити деталі щодо проекту, впевнений, що зможу Вам допомогти.

Показати оригінал

Перекласти

Ціна може бути нища або вища взалежності від ваших потреб.
Напишіть мені для обговорення деталей.

Написав орієнтовний стек для цього:

Python 3.11+

обробки відео/аудіо (ffmpeg, moviepy),

… розпізнавання мовлення (Whisper),

NLP-рерайтингу (LLM, Transformers),

GUI (PyQt, Tkinter),

GPU-обчислень (CUDA через PyTorch).

---------------------

Whisper (offline speech-to-text)
Модель: whisper-large-v3 від OpenAI (через CTranslate2 для GPU).

Переваги:

Працює локально.

Підтримує багатомовність (RU, EN, DE, IT, ES, PL тощо).

GPU-прискорення.

Інтерфейс: через faster-whisper або ct2-transformers.


---------------------------
Модель: Mistral 7B, LLaMA 3, або аналог (через GGUF/GGML)
Працює офлайн через llama.cpp, text-generation-webui або llm CLI.

Формат: GGUF (для RAM-ефективної генерації).

Інтерфейс: llama-cpp-python або локальний сервер.

Альтернатива:

Vicuna / Nous Hermes / Zephyr / Mixtral (підбирається для кращого рерайту).

Мова виводу — як у вхідного відео.

--------------------

ffmpeg (витяг аудіо з відео, нарізка великих файлів)

moviepy (опціонально — для отримання кадрів, якщо треба)

-------------------
CUDA + PyTorch — для моделей рерайту та транскрипції.

CTranslate2 — дозволяє запускати Whisper на GPU.

llama.cpp з CUDA/CLBlast — для запуску моделей LLaMA/Mistral на GPU.

-------------
Додавання автоматичного визначення мови з аудіо (langdetect, whisper autodetect).

Можливість перекладу (argos-translate офлайн, якщо потрібно конвертувати мови).

Привіт! Я ознайомився з проектом і готовий приступити до роботи. Впевнений, ви будете задоволені результатом.

Показати оригінал

Перекласти