Как убрать шум на созвоне и перевести аудио в текст: бесплатная нейросеть для ПК⁠⁠

Привет, Пикабу! Работа на удаленке — это прекрасно, пока у соседа сверху не просыпается перфоратор, а коллеги не начинают присылать 15-минутные голосовухи с правками.

Долгое время я экспериментировал с различными локальными ML-моделями для работы со звуком. Гонял на своем железе тяжеловесные нейросети для распознавания речи (включая разные вариации faster-whisper) и очистки аудио, пытаясь как-то автоматизировать свою рутину. Технологии под капотом мощные, но каждый раз дергать их скриптами или через консоль оказалось слишком муторно для быстрых рабочих созвонов.

В итоге я решил немного заморочиться и завернуть эти наработки в удобное десктопное приложение с человеческим интерфейсом. Назвал свой пет-проект DeepFilter.

Что получилось реализовать под капотом:

• Шумоподавление на лету. Нейросеть режет фоновый шум с микрофона (ветер, стройку, эхо). Повесил переключатель на хоткей Alt+Z, чтобы глушить шум прямо во время мита, не сворачивая рабочие окна.

• Транскрибация всех системных звуков. Если выбрать режим «Все звуки», софт перехватывает и ваш микрофон, и голоса собеседников, сразу переводя встречу в текст. Спасает, когда нужно собрать протокол созвона.

• Расшифровка готовых файлов. Можно просто закинуть любую голосовуху или аудиозапись лекции во вкладку «Файл», и модель выдаст готовый текст.

• Строгий офлайн. Для меня было критически важно, чтобы рабочие звонки не улетали на сторонние сервера по API. Вся обработка крутится исключительно локально на вашем ПК.

Программу делал в первую очередь под свои нужды, но решил выложить её в открытый доступ абсолютно бесплатно. Буду рад, если кому-то эта утилита сэкономит нервы так же, как и мне.

Забрать программу можно тут: https://deepfilter.ru/

Пишите в комменты, как работает на вашем железе — буду собирать фидбек для багфиксов!