Получите продолжительность PII (время начала и окончания) из аудиофайла с помощью транскрипции или других методов. ⇐ Python

[Anonymous]

У меня есть вариант использования, в котором я хочу:

• Найти все данные, позволяющие идентифицировать личность, в любом аудиофайле (выполнено: использование GPT/аналогичных моделей)
• Расшифруйте аудио, а затем замаскируйте все эти личные данные в текстовом файле (с использованием шепота/подобных моделей).
• Кроме того, в исходной аудиомаске части PII со звуковыми сигналами. (Остальное)

Типичная проблема заключается в том, что модель транскрипции не возвращает время (время начала/окончания) каждого произнесенного слова. Следовательно, становится очень сложно найти основу PII в результатах транскрипции.
Кто-нибудь нашел способ решить эту проблему? Локальные модели или сервисы на основе API — все подойдет, я ищу какое-то направление.

Подробнее здесь: https://stackoverflow.com/questions/781 ... tion-other