m-bain

Inflearnが自動で字幕を生成するまで（AI/インフラ編） ! この記事は2023年10月31日に執筆されたものです。 こんにちは。InflabのDevOpsエンジニア、SunBです。 2023年9月、Inflearnに字幕とスクリプトの機能が追加されました。皆さん、活用されていますか？　今回追加された字幕機能は、動画の音声データをもとに自動で字幕を生成する部分と、生成された字幕を受講画面に表示する部分の、大きく2つに分けられます。 今日は、このうち私が実装を担当した字幕生成について、どのような技術をもとに、どのような過程を経て実装したのかをお話しします。 2日で字幕機能を作ってデモする まず、「DevOpsエンジニアが字幕機能を実装したの？」と思われる方もいらっしゃると思うので、今回の字幕機能の実装プロジェクトがどのように始まったのかをご紹介します。 Inflabでは今年から、Infthonという名前で社内ハッカソンを開催しています。応募者をランダムに4人1組のチームに分け、約2日間でアイデアの議論とMVPの実装を行ったあとに発表する、という形式です。 ところが偶然（？）、Inflearnの講座プレイヤーやVODインフラを多く手がけていたFE開発者のPapicoと私が同じチームになり、自然と講座の再生に関するアイデアを議論することになりました。そして、第1回Infthonのテーマだった「チームの生産性向上、またはAIを活用したサービス改善」に最も合うと考えた講座のAI字幕機能をアイデアとして選びました。 まず、AIベースの字幕生成機能を実装するにあたって、最低限の条件として次のことを考えました。 字幕生成がオフラインで動作すること（データの外部送信を防ぐ） 字幕生成にコンピューティングリソース以外の追加費用がかからないこと（オープンソースモデルを自前で実行） 字幕生成にかかる時間が動画の長さを超えないこと（ライブデモができるくらい速いこと） これらの条件を満たす技術を探してみたところ、OpenAIのWhisperというモデルが目に留まりました。Whisper以外に検討した技術は以下のとおりです。 KoSpeech: Archived OpenSpeech + KsponSpeech: 自分たちで学習させてモデルを作るには、技術への理解度もまだ低く、時間もかなりかかると予想された KakaoのPORORO: Archived MetaのSeamlessM4T: テスト用の講座を使ったPoCの過程で、SeamlessM4T largeモデルはWhisper large-v2モデルに比べて精度が劣ることを確認 NaverのCLOVA SpeechなどのAPIベースのサービス: データの外部送信とAPI料金が発生 Infthon以前にも、MacWhisperなどのツールで、OpenAIのSTTモデルであるWhisperの存在とその精度の高さは知っていましたが、深く調べたことはありませんでした。実装期間が2日と短かったため、仕組みを深く理解することよりも、素早く適用してデモできるかどうかを重視して作業を進めました。その結果、すべての処理を私のMac上でオフラインで動かす構成になりました。その際、Pythonで実装されたOpenAIのWhisperは遅すぎたため、代わりにC++に移植されたwhisper.cppを使いました。 こうして、次の流れを短期間で実装できました。 動画をアップロードする ffmpegで16-bit WAVの音声データを抽出する whisper.cpp + large-v2モデルで字幕を書き起こし、srtファイルとして保存する 受講画面でこのsrtファイルを再生する さらに、FE開発者のPapicoの活躍で、スクリプトの表示と再生位置の移動、字幕の修正依頼と修正依頼の管理機能までデモでき、第1回Infthonで1位という栄誉を手にしました。 こうして楽しい経験として幕を閉じたと思っていたのですが…… 正式プロジェクトとして採用 ある意味当然のことながら、字幕機能はすぐに正式プロジェクトとして採用され、新たなスタートを切りました。 Infthonですでにデモまで終えていたので大きな心配はありませんでしたが、引っかかる点が3つありました。 Shaka Playerでm3u8のHLSプレイリストとsrt字幕ファイルを同時に表示すると、字幕の同期がずれる問題 AWSのインフラでWhisperをまだ動かしたことがなかった点 韓国語字幕の1行あたりの長さと改行位置が適切でなく、読みにくい問題 1つ目は、FE開発者のPapicoが字幕の表示処理をShaka Playerの機能を使わずにReactで新たに実装し、きれいに解決してくれました。一方、2つ目と3つ目は、そのまま現実の問題として降りかかってきます。 インフラ上でWhisperを動かす Infthonのときとは違い、今回は実際のユーザーにサービスを提供するため、まずは私たちのインフラ上で機能を動かす必要がありました。 エンコーディングインフラの改善記録 字幕生成インフラについてお話しする前に、まず動画エンコーディングインフラを改善した過程をご紹介します。 私たちは2022年10月まで、動画のエンコーディングにAWS MediaConvertを使っていましたが、コスト削減とエンコーディングオプションのカスタマイズのために、EC2 c6i.xlarge Spot InstanceベースのAWS Batch構成に移行しました。MediaConvertのReserved Queueなど、さまざまな代替案も試しましたが、予約したエンコーディングの開始が遅すぎたり、4Kなど一部のオプションが使えないといった制約があったりして、要件を満たすのは難しいと判断し、自分たちで構成する方向を選びました。 結果として、インフラ構成の変更は効果がありました。長さ28分の1080p動画を540p、720p、1080pにエンコードする場合、AWS Batchを使ったときとMediaConvertを使ったときにかかる時間と費用は、以下のとおりでした。 AWS Batch (ECS EC2 c6i.xlarge Spot) MediaConvert (On-Demand Pro) 差 時間 約10分 約7分 約3分 (x0.7) 費用 約$0.021 約$1.895 (SD x 1, HD x 2) 約$1.874 (x90.2) 動画の長さと比べれば、エンコーディング時間の差はわずかですが、費用はなんと90倍以上の差があることを確認しました。 AWS Batch構成で、EC2インスタンスタイプごとの費用と性能を分析した結果は以下のとおりです。（長さ28分の1080p動画を540p、720p、1080pにエンコードする場合、Spot Instance未適用） インスタンスタイプ オンデマンドの1時間あたりの費用 (A) エンコーディングの実行時間 (B) 実際の費用 (A x B) c6i.xlarge $0.192 10分 $0.032 c6g.xlarge $0.154 12分47秒 $0.033 c6i.2xlarge $0.384 5分57秒 $0.038 c6i.4xlarge $0.768 4分23秒 $0.056 g5g.xlarge $0.5166 5分1秒 $0.043 g5.xlarge $1.237 3分15秒 $0.067 エンコーディングインフラと同じ構成でwhisper.cppを試す 上記の改善したエンコーディングインフラをもとに、字幕インフラも同じ構造で構成してみました。AWS Batch上のc6i.xlargeインスタンスで28分の動画に対してwhisper.cppを実行したところ、結果はなんと69分3秒と、予想よりもはるかに遅いものでした。 Infthonのデモ用にMac Studio（M1 Ultra）で同じ動画をwhisper.cppで処理したときは、3分30秒でした。これを見て、すぐにGPUインスタンスのPoCに取りかかりました。 GPUインスタンスのPoC 最初は、g5インスタンスより安いARMベースのg5g.xlargeインスタンスを使ってみようとしました。ところが、NVIDIAドライバーやCUDAのバージョンをいくら変えても、PyTorchからCUDAを認識できませんでした。CUDA 11のPython cuDNNライブラリはARMアーキテクチャをサポートしておらず、PyTorchの正式版はCUDA 12をサポートしていなかったため、PyTorch Nightly + CUDA 12 cuDNNの構成を試しましたが、torch.cuda.is_available() が False を返す状態が続きました。そんな中、AWS BatchではまだARMアーキテクチャベースのGPUインスタンスをサポートしていないというドキュメントを見つけ、g5gインスタンスの利用はひとまず諦めました。 その後、g5.xlargeインスタンスでOpenAIのPythonベースのWhisperを実行してみたところ、7分17秒かかりました。動画の長さに比べれば許容範囲でしたが、Mac Studioでwhisper.cppを使ったときは3分30秒だったことを考えると、ほかに方法はないかと考えるようになりました。そして、SeamlessM4Tについて調べていたとき、偶然Hacker NewsでWhisperXに言及しているコメントを見かけました。 WhisperXへの移行 WhisperXを使って、g5.xlargeインスタンスで28分の動画の字幕生成を試してみたところ、59秒で完了し、最も速い結果となりました。その出力結果も、Whisperやwhisper.cppと比べて精度が劣るということはなく、それぞれ一長一短がありました。 以下は、出力結果を比較した当時に書いたメモの一部です。 Whisper、WhisperXはg5.xlargeで、whisper.cppはMac Studioで抽出したバージョン 3つともかなり違いがあるが、どれか1つが最も優れているというわけではなく、それぞれにうまく書き起こせている部分がある。 WhisperXが正確に抽出した部分 뽑았는데 (Whisper: 꼽았는데) 등허리 (Whisper: 등어리) 복부 (Whisper: 복구) whisper.cppが正確に抽出した部分 Eye Reflect (WhisperX: I Reflect) Whisperが正確に抽出した部分 Z-Remesh (WhisperX: gremesher) 아이리플렉트 (WhisperX: I Reflect) WhisperXはほかの2つよりはるかに速く実行でき、音節単位でalignするので行の再構成に有利であり、字幕の修正依頼機能の有効性も比較的高くなると推定されることを考えると、WhisperXを使うのが最も良いと思われる。 ただし、ときどき複数の文を早口で話す部分で抜け落ちる文があるが、精度が低いと判断して意図的に除外しているように見える。 まとめ 最初に試したwhisper.cpp + c6i.xlargeを基準に、試した組み合わせとの差をまとめると次のとおりです。（large-v2モデルを使って28分の音声データを書き起こした場合） ツール マシン 実行時間 差（速度） whisper.cpp c6i.xlarge 69分3秒 - (x1) Whisper c6i.xlarge 時間がかかりすぎて計測を中断 - WhisperX c6i.xlarge 実行中にエラーが発生 - whisper.cpp Mac Studio 3分30秒 65分33秒 (x19.7) Whisper Mac Studio 時間がかかりすぎて計測を中断 - WhisperX Mac Studio 15分26秒 53分37秒 (x4.5) whisper.cpp（cuBLASビルド） g5.xlarge 17分25秒 51分38秒 (x4) Whisper g5.xlarge 7分17秒 61分46秒 (x9.5) WhisperX g5.xlarge 59秒 68分4秒 (x70.2) 最終的に、WhisperX + g5.xlargeの組み合わせを選びました。 こうして最初の絶望を乗り越え、速度を70倍以上改善し、インフラ上で字幕生成機能を正常に動かせるようになりました。その過程でGPUインスタンスや動画エンコーディングに関する分析も行い、エンコーディング関連のプロセスも改善できました。 （試行錯誤の跡） 字幕の長さと読みやすさの改善 字幕をどう生成するかという課題は、音声データからテキストを抽出するだけでは終わりませんでした。 whisper.cpp、Whisper、WhisperXのいずれにも、--max_line_width のような1行の長さを制限するオプションがあったのですが、問題はこのオプションが動作しないことでした。（……）おそらく韓国語だから動作しないのだろうと推測しています。 そのため、モデルが出力した字幕データは行ごとに長さがバラバラで、文の終わりで改行されることもほとんどなく、読みやすさは最悪でした。 これを改善するために、ピリオド/疑問符/感嘆符があれば改行する案、一定の文字数以上なら単純に空白を基準に半分に分割する案、形態素解析によって行を再構成する案など、さまざまな方法を模索しました。 そんな中、WhisperXに移行して音節単位で時間を追跡できるようになったことで、いっそすべての行を一から作り直そうと考えました。そこで以下の基準を定め、WhisperXの実行から行の構成までを一度に行うPythonスクリプトを実装しました。 WhisperXが時間の追跡に失敗した音節の時間は、時間の追跡に成功した最も近い前後の音節の時間、または文の開始・終了時間から線形補間する。（wav2vecの韓国語モデルベースだったため、ハングル以外は音節の時間を追跡できないという問題がありました。） 直前の単語までの行の長さが0.5秒未満であれば、ほかのどの条件を満たしていても改行しない。 直前の単語までの行の長さが10秒を超えたら、現在の単語から新しい行にする。 現在の単語を加えると行が10文字を超え、かつ形態素解析の結果で文の数が変わる場合は、現在の単語から新しい行にする。 現在の単語を加えると行が50文字を超える場合は、現在の単語から新しい行にする。 文の開始が直前の文の終わりから0.5秒以内の場合は、文の開始時間として直前の文の終了時間を代わりに使う。 実は、このうち形態素解析で文の数を計算し、それをもとに改行する基準は最後に作ったものです。この基準を決めるまでは、WhisperXをCLIで実行したあと、JSONで保存されたデータを読み込んで行を構成する処理をすべてGoで実装していました。しかし、形態素解析と文の数の計算にKiwiを使うことになったため、WhisperXをPython内で直接実行するようにし、行の構成もPythonで実装し直しました。そしてGoは、このPythonスクリプトを実行し、最終的に構成された字幕データをストレージに保存するという、AWS Batch内の1つのジョブのライフサイクル管理だけを担う構造にしました。 こうして、現在提供している字幕のように、読みやすさが大きく改善された字幕データを生成できるようになりました。 GPUインスタンス不足の問題を回避する 問題はすべて解決したと思い、これまでにアップロードされた講座を対象に、実際に字幕を一括生成しようとしました。ところが、AWS Batchにジョブを投入していくら待っても、EC2インスタンスが起動しませんでした。Spot Requestを確認してみると、ソウルリージョンにg5.xlargeインスタンスのSpot Capacityがなく、起動できていなかったのです。 Spot Instanceとは？ Spot Instanceは、AWSで使われていないコンピューティングリソースを最大90%割引した価格で提供する機能です。実行中のSpot Instanceがときどき中断されることもありますが、AWS Batchなどを使ってワークフローの耐障害性を確保していれば、Spot Instanceを適用するだけで60%以上のコスト削減効果を得られます。 実際に、動画エンコーディングインフラにSpot Instanceを適用することで平均70%のコストを削減できていたので、そもそも費用のかさむGPUインスタンスを使ううえで、Spot Instanceの適用は必須でした。 Spot Capacityを求めて GPUインスタンスが足りないという話はよく耳にしていましたが、実際に経験したのは初めてでした。3日待っても起動しなかったので、別の方法を探し始めました。 最初に、Spot Placement Scoreという機能を使ってみました。米国のバージニア、オハイオ、オレゴンリージョンはg5.xlargeインスタンスが最も安く、Placement Scoreも高く出ていたので、まずはバージニアリージョンで試してみました。 初めて使うリージョンで何もなかったため、VPC、Subnet、EIP、NAT Gatewayをはじめ、AWS Batch関連の各種リソースをすべて新しく作成しました。ところが実行してみると、同じようにSpot Capacityがないというエラーが発生しました。しまった！と思い、すぐ隣のオハイオリージョンにも同じ構成を作ってみましたが、やはりSpot Capacityがないというエラーが発生しました。（……） Placement Scoreは当てにならないなと思って調べてみたところ、スポットインスタンスアドバイザーというものを見つけました。g5.xlargeスポットインスタンスの中断頻度が低いリージョンを探してみると、オレゴンリージョンが該当することが分かりました。 バージニア、オハイオリージョンに作ったものはすべて削除し、オレゴンリージョンに構成して実行してみると、ようやく字幕生成ジョブが動き始めました。一括処理のために2,000台のg5.xlargeインスタンスを同時に起動する計画でしたが、オレゴンリージョンでさえインスタンス不足で最大500台ほどしか起動できませんでした。それでも、約4時間で字幕の一括生成を完了できました。 一括処理のコスト 基盤 単価 費用 差 AWS Batch (g5.xlarge Spot) - $807.22 - (x1) AWS Batch (g5.xlarge On-Demand) - 約$2,690 約$1,883 (x3.3) OpenAI Whisper API $0.006 / minute 約$8,700 約$7,893 (x10.8) Naver CLOVA CSR API $0.012 / minute 約$17,400 約$16,593 (x21.6) 字幕の一括生成作業にかかった費用は $807.22 で、約24,000時間に及ぶ動画の音声データをAPIベースのサービスで処理する場合と比べて、10分の1以下のコストで字幕を生成できる構成を実現できました。 結論 以上のような過程を経て、約2か月で字幕生成機能を無事に実装できました。Infthonをきっかけに、2日間でアイデアの選定から技術調査、デモ用の実装までを終え、その後の2か月間で、それをユーザーにリリースできるレベルまで引き上げるためにさまざまな試みをしました。貴重な経験でした。 字幕生成に関する技術的な部分も注目に値しますが、特に強調したいのは、1人が短期間でこなしたにしては、インフラ関連の作業量がかなり多かったことです。何のリソースもないリージョンを3回も渡り歩き、VPCからAWS Batch環境までを一晩で構成できたのは、何かが準備されていなければ不可能なことです。特に、受講権限を持つユーザーにのみ字幕データを提供する対応や、字幕のストレージをS3からMongoDBに移行する作業など、本文には書いていない数多くのインフラ作業がありました。それらに触れなかったのは、ほとんど悩むことなく素早く対応できたからです。 これが可能だったのは、これまで懸命に構築してきたIaCのおかげだと思います。私たちがどのようにIaCを構築したかについては、（今度こそ本当に）近日公開予定の「InflabのIaC構築記（Part 1）」の記事でご覧いただけます。AWS CDKからTerraformへの記事でTerragruntとTerratestについての記事を予告しておきながら、1年以上新しい記事を投稿できなかった理由も、その記事で詳しく書いていますので、IaCに興味のある方はぜひ読んでみてください。 ありがとうございました。

WhisperX 已有24971颗星，能把录音转成带逐词时间戳、说话人标签的文字，适合整理多人访谈。 BSD-2-Clause 开源。官方也写明：多人同时说话处理得不好，说话人区分并不完美。拿它做会议记录，抢话的地方得听回原录音。 m-bain/whisperX

4. 회의 녹음을 넣으면 누가 어떤 말을 했는지 나눠서 글로 적어줘요. 단어마다 시간이 표시돼서 자막 만들 때도 좋아요. m-bain/whisperX

📝 WhisperX m-bain/whisperX Generate transcripts with word-level timestamps and speaker diarization. Useful for synchronized subtitles, searchable recordings and transcript-based editing.

Add speaker labels to video captions with WhisperX and WebVTT voice spans <!-- cover_image_prompt: minimalist illustration of a waveform split into two coloured speaker lanes feeding a caption box --> > ## TL;DR > We'll turn a two-person video into a WebVTT caption file where each cue says who is speaking. Pipeline: ffmpeg extracts audio, whisperx --diarize transcribes and labels speakers, a small Python script groups words into <v Speaker> cues. Plain speech-to-text gives you a wall of words. For interviews, podcasts and meetings, readers need to know who said what. We'll use WhisperX (Whisper with voice activity detection, forced alignment and pyannote-based diarization) and the standard WebVTT voice span so any player can show the names. #python #video You'll need python 3.10+, ffmpeg, a Hugging Face account, and ideally a CUDA GPU. CPU works with --compute_type int8 --device cpu, just slower. 1. 🔑 Get access to the diarization model WhisperX's diarization uses pyannote's speaker-diarization-community-1 pipeline, which is gated on Hugging Face: 1. Create a read token at hf.co/settings/tokens. 2. Open the pyannote/speaker-diarization-community-1 model page and accept the user conditions. export HF_TOKEN=hf_xxx # never commit this > ⚠️ Note: if you skip the user-conditions step, the pipeline fails to load with an authorization error even with a valid token. Accept the conditions first. 2. 🎧 Extract audio from the video # extract_audio.sh ffmpeg -y -i interview.mp4 -vn -ac 1 -ar 16000 audio.wav Mono, 16 kHz is what speech models work with internally, and a WAV file avoids decoder surprises. 3. 🗣️ Transcribe and diarize pip install whisperx whisperx audio.wav --model large-v2 --diarize --hf_token "$HF_TOKEN" \ --output_format json --output_dir out On CPU: whisperx audio.wav --model large-v2 --diarize --hf_token "$HF_TOKEN" \ --compute_type int8 --device cpu --output_format json --output_dir out The README lists the CPU flags and the diarize flag. WhisperX does four things in order: voice activity detection, Whisper transcription, wav2vec2 forced alignment (word-level timestamps), then pyannote diarization with speakers assigned to words. > 💡 Tip: WhisperX's README claims 70x realtime for large-v2 batched transcription. That's their best case. Time it on your own hardware before planning capacity. 4. 🔍 Look at the JSON Each segment has a speaker, and each aligned word carries one too (shortened example): { "segments": [ { "start": 0.5, "end": 4.2, "text": "Welcome back to the show.", "speaker": "SPEAKER_00", "words": [ {"word": "Welcome", "start": 0.5, "end": 1.0, "speaker": "SPEAKER_00"}, {"word": "42", "speaker": "SPEAKER_01"} ] } ] } Notice the last word: numbers and symbols often come back with no start/end. Our converter has to skip those or it will crash. > ⚠️ Note: the exact JSON fields can shift between WhisperX versions. Open one real output file and confirm words[].speaker exists before trusting the script below. 5. 🧩 Group words into WebVTT cues The rules: - a new cue starts when the speaker changes, - or after a pause longer than 1.5 s, - or when a cue would run longer than 7 s (so captions stay readable). #!/usr/bin/env python3 """Convert WhisperX JSON (with --diarize) into a WebVTT file using <v Speaker> voice spans.""" from __future__ import annotations import json import sys MAX_CUE_SECONDS = 7.0 # split long monologues so captions stay readable GAP_SECONDS = 1.5 # a pause this long starts a new cue even for the same speaker def ts(seconds: float) -> str: ms = round(seconds * 1000) h, ms = divmod(ms, 3_600_000) m, ms = divmod(ms, 60_000) s, ms = divmod(ms, 1000) return f"{h:02d}:{m:02d}:{s:02d}.{ms:03d}" def words_with_speakers(data: dict) -> list[dict]: out = [] last_speaker = "UNKNOWN" for seg in data["segments"]: for w in seg.get("words", []): if "start" not in w: # numbers and symbols often get no timestamp continue last_speaker = w.get("speaker", seg.get("speaker", last_speaker)) out.append({"word": w["word"], "start": w["start"], "end": w["end"], "speaker": last_speaker}) return out def build_cues(words: list[dict]) -> list[dict]: cues, cur = [], None for w in words: new = ( cur is None or w["speaker"] != cur["speaker"] or w["start"] - cur["end"] > GAP_SECONDS or w["end"] - cur["start"] > MAX_CUE_SECONDS ) if new: cur = {"speaker": w["speaker"], "start": w["start"], "end": w["end"], "text": [w["word"]]} cues.append(cur) else: cur["text"].append(w["word"]) cur["end"] = w["end"] return cues def to_vtt(cues: list[dict], names: dict[str, str]) -> str: lines = ["WEBVTT", ""] for i, c in enumerate(cues, 1): name = names.get(c["speaker"], c["speaker"]) lines += [str(i), f"{ts(c['start'])} --> {ts(c['end'])}", f"<v {name}>{' '.join(c['text'])}", ""] return "\n".join(lines) if __name__ == "__main__": data = json.load(open(sys.argv[1])) names = json.loads(sys.argv[2]) if len(sys.argv) > 2 else {} print(to_vtt(build_cues(words_with_speakers(data)), names)) Run it, mapping the generic labels to names you know: python3 diar_to_vtt.py out/audio.json '{"SPEAKER_00":"Host","SPEAKER_01":"Guest"}' > captions.vtt On a small hand-written sample in the same shape as WhisperX output, the result is: WEBVTT 1 00:00:00.500 --> 00:00:02.100 <v Host>Welcome back to the show. 2 00:00:02.600 --> 00:00:04.100 <v Guest>Thanks for having me. The <v Name> syntax is the WebVTT voice span from the W3C spec. The closing </v> can be omitted when the span covers the whole cue, which is the case here. 6. ▶️ Attach it to a player <!-- player.html --> <video controls src="interview.mp4"> <track kind="captions" srclang="en" label="English" src="captions.vtt" default /> </video> HLS players take the same file as a subtitles rendition if you package it. Style the speaker with the ::cue(v[voice="Host"]) selector. /* captions.css */ video::cue(v[voice="Host"]) { color: #ffd166; } video::cue(v[voice="Guest"]) { color: #8ecae6; } 7. 🚧 Limits to know before shipping | Limit | What happens | What to do | |---|---|---| | Generic labels | Output says SPEAKER_00, not a name | Map by hand, from invite metadata, or a speaker-ID step | | Per-file labels | SPEAKER_00 in one file is not SPEAKER_00 in another | Carry identity yourself across recordings | | Overlapping speech | One word gets one speaker | Review a sample of crosstalk-heavy content | | Model accuracy | pyannote reports 11.2 DER on VoxConverse for community-1 (project's own benchmark) | Score on your own labelled sample | What's next - Score your own accuracy: hand-label ten minutes of your content and compute diarization error rate against it. - Index the speaker field so search can answer "what did the guest say about X". - If your content has fixed hosts, look at speaker-embedding matching to name them automatically. Wrapping up: three commands and one small script give you captions that identify speakers, in a format every player already understands. <!-- Suggestions for Human Review - WhisperX flags (--diarize, --hf_token, --compute_type int8, --device cpu, --model large-v2), stack description, 70x quote: m-bain/whisperX README. - community-1 gating and DER 11.2 (VoxConverse v0.3, README benchmark updated 2025-09): pyannote/pyannote-audio - WebVTT voice span: w3.org - NOT VERIFIED END TO END: the sandbox had no GPU or HF token, so WhisperX was not run. The converter was run only on a hand-written JSON sample. Run steps 2 to 5 on a real file and confirm the JSON shape (words[].speaker) and the --output_format json flag on the installed version before publishing. - ::cue(v[voice="..."]) selector comes from the WebVTT/CSS pseudo-element spec; test in a real browser before publishing. -->

Slothly - The Overnight Agent That Works While You Sleep Slothly - The Overnight Agent That Works While You Sleep Theme: Slow and Steady (International Sloth Day, Oct 20) Most AI agents are built to move fast — a firehose of notifications, always-on cloud calls, per-token billing, data leaving your device. This week, I built the sloth edition. What I built Slothly is a fully local, overnight AI agent. - You drop a voice note or written note into inbox/ before bed - Overnight, Slothly transcribes (with faster-whisper) and summarizes (with llama3.2 via Ollama) into a crisp two-line morning report - It writes the report to reports/YYYY-MM-DD.md, archives the source file, and even adds a calming sloth-themed haiku - Runs on a schedule via Windows Task Scheduler The Stack (All Open Source) - Agent harness: OpenAI Agents SDK (open source) - LLM inference: Ollama + open-weight model llama3.2 - Transcription: faster-whisper (open source) - Runtime: 100% local, CPU-only Why open innovation matters - Runs on a laptop with no internet — After the one-time model download, everything runs locally. No cloud APIs required. - Keeps data off servers you don't control — Notes, voice memos, and summaries never leave your device. - Fine-tune, swap models, or change agent behavior — Being able to swap open-weight models or tweak the agent logic is a first-class feature, not a locked-down API. - Cost nothing to run — Local inference means zero API spend. Where the open approach worked better than a closed one A closed stack would have meant cloud transcription + cloud LLM + API keys + per-run cost + third-party data flow. With Slothly, the entire loop — transcribe, summarize, report — runs offline, on-device, for free. The open pieces made this simple lazy automation possible in a way that would be impractical (and expensive) with closed APIs. The Sloth Philosophy The agent moves slow and steady, conserves energy, and does the work so you don't have to. You sleep; the agent works. You wake to a two-line report — and maybe a sloth haiku. Repo: MAXxDEVIL/Slothly Built with open-source AI for Hacktoberfest Week 3. 🦥

@RShil15177 whisperx separates transcription from word alignment. its alignment step could be a useful reference for testing take one's word cuts so deleting a word doesn't clip the next one m-bain/whisperX

8 github repos that print $$$ Close your first (or next) AI services client within 90 days or get 100% of your money back: skool.com Get all my FREE resources (including the ones mentioned in this video): skool.com Links mentioned in this episode: Treg (find verified leads): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Browser Use: browser-use/browser-use Claude Finance (Anthropic financial services): anthropics/financial-services Timestamps: [00:00] - Intro: 8 GitHub Repos To Monetize [00:28] - The Simple Playbook For Every Repo [01:02] - Repo 1: ListMonk Win-Back Offer [03:54] - Finding Leads With Treg [05:07] - Repo 2: Postiz Social Autopilot [07:27] - Repo 3: WhisperX Call Scorecards [10:01] - Free Resource: All 8 Repos [10:34] - Repo 4: PipeCat After-Hours Receptionist [12:57] - Repo 5: Docling Invoice Entry [15:31] - Repo 6: ComfyUI Listing Images [17:53] - Repo 7: Browser Use Permit Tracker [19:53] - Repo 8: Claude Finance Listing Packs [22:02] - The Scoreboard And Where To Start [22:54] - Next Steps: Pull 100 Leads FIND ME ON SOCIAL: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [ar] 8 مستودعات GitHub تدر أرباحاً طائلة أبرم أول (أو ثاني) صفقة لك مع عميل في مجال خدمات الذكاء الاصطناعي خلال 90 يومًا أو استرد أموالك كاملةً: skool.com احصل على جميع مواردي المجانية (بما في ذلك الموارد المذكورة في هذا الفيديو): skool.com الروابط المذكورة في هذه الحلقة: Treg (للعثور على عملاء محتملين موثوقين): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Browser رابط الاستخدام: browser-use/browser-use كلود فاينانس (الخدمات المالية الأنثروبيّة): anthropics/financial-services الفهرس الزمني: [00:00] - مقدمة: ٨ مستودعات على GitHub لتحقيق الربح [00:28] - دليل بسيط لكل مستودع [01:02] - المستودع ١: عرض استعادة العملاء من ListMonk [03:54] - إيجاد عملاء محتملين باستخدام Treg [05:07] - المستودع ٢: Postiz Social Autopilot [07:27] - المستودع ٣: WhisperX Call Scorecards [10:01] - مورد مجاني: جميع المستودعات الثمانية [10:34] - المستودع ٤: PipeCat After-Hours Receptionist [12:57] - المستودع ٥: Docling Invoice المدخل [15:31] - المستودع 6: صور قوائم ComfyUI [17:53] - المستودع 7: متتبع تصاريح استخدام المتصفح [19:53] - المستودع 8: حزم قوائم Claude Finance [22:02] - لوحة النتائج وكيفية البدء [22:54] - الخطوات التالية: الحصول على 100 عميل محتمل تابعني على مواقع التواصل الاجتماعي: تويتر: x.com إنستغرام: instagram.com لينكد إن: linkedin.com يوتيوب: youtube.com [bn] ৮টি গিটহাব রিপো যা থেকে আয় করুন হাজার ডলার ৯০ দিনের মধ্যে আপনার প্রথম (বা পরবর্তী) এআই পরিষেবা ক্লায়েন্টকে চূড়ান্ত করুন অথবা আপনার ১০০% টাকা ফেরত নিন: skool.com আমার সমস্ত বিনামূল্যের রিসোর্স নিন (এই ভিডিওতে উল্লিখিত রিসোর্সগুলো সহ): skool.com এই পর্বে উল্লিখিত লিঙ্কসমূহ: Treg (যাচাইকৃত লিড খুঁজুন): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI ব্রাউজার ব্যবহার: browser-use/browser-use ক্লড ফাইন্যান্স (অ্যানথ্রোপিক আর্থিক পরিষেবা): anthropics/financial-services টাইমস্ট্যাম্প: [০০:০০] - ভূমিকা: মনিটাইজ করার মতো ৮টি গিটহাব রিপো [০০:২৮] - প্রতিটি রিপোর জন্য সহজ প্লেবুক [০১:০২] - রিপো ১: লিস্টমঙ্ক উইন-ব্যাক অফার [০৩:৫৪] - ট্রেগ দিয়ে লিড খোঁজা [০৫:০৭] - রিপো ২: পোস্টিজ সোশ্যাল অটোপাইলট [০৭:২৭] - রিপো ৩: হুইসপারএক্স কল স্কোরকার্ড [১০:০১] - ফ্রি রিসোর্স: সব ৮টি রিপো [১০:৩৪] - রিপো ৪: পাইপক্যাট আফটার-আওয়ার্স রিসেপশনিস্ট [১২:৫৭] - রিপো ৫: ডকলিং ইনভয়েস এন্ট্রি [১৫:৩১] - রেপো ৬: ComfyUI লিস্টিং ইমেজ [১৭:৫৩] - রেপো ৭: ব্রাউজার ব্যবহারের অনুমতি ট্র্যাকার [১৯:৫৩] - রেপো ৮: Claude Finance লিস্টিং প্যাক [২২:০২] - স্কোরবোর্ড এবং কোথা থেকে শুরু করবেন [২২:৫৪] - পরবর্তী পদক্ষেপ: ১০০টি লিড সংগ্রহ করুন সোশ্যাল মিডিয়ায় আমাকে খুঁজুন: X/টুইটার: x.com ইনস্টাগ্রাম: instagram.com লিঙ্কডইন: linkedin.com ইউটিউব: youtube.com [de-DE] 8 GitHub-Repos, die für dich Geld drucken Schließen Sie Ihren ersten (oder nächsten) KI-Dienstleistungskunden innerhalb von 90 Tagen ab oder erhalten Sie Ihr Geld zurück: skool.com Sichern Sie sich alle meine KOSTENLOSEN Ressourcen (einschließlich der in diesem Video erwähnten): skool.com Links aus dieser Folge: Treg (verifizierte Leads finden): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Browsernutzung: browser-use/browser-use Claude Finance (Anthropische Finanzdienstleistungen): anthropics/financial-services Zeitstempel: [00:00] – Einleitung: 8 GitHub-Repos zur Monetarisierung [00:28] – Die einfache Anleitung für jedes Repo [01:02] – Repo 1: ListMonk Win-Back-Angebot [03:54] – Leads mit Treg finden [05:07] – Repo 2: Postiz Social Autopilot [07:27] – Repo 3: WhisperX Call Scorecards [10:01] – Kostenlose Ressource: Alle 8 Repos [10:34] – Repo 4: PipeCat After-Hours Receptionist [12:57] – Repo 5: Docling Invoice Entry [15:31] – Repo 6: ComfyUI-Angebotsbilder [17:53] – Repository 7: Browser-Nutzungsberechtigungs-Tracker [19:53] – Repository 8: Claude Finance-Angebotspakete [22:02] – Die Übersicht und der Einstieg [22:54] – Nächste Schritte: 100 Leads generieren FOLGE MIR AUF SOCIAL MEDIA: Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [es-US] 8 repos de GitHub que generan dinero $$$ Consigue tu primer (o próximo) cliente de servicios de IA en 90 días o te devolvemos el 100% de tu dinero: skool.com Obtén todos mis recursos GRATUITOS (incluidos los mencionados en este video): skool.com Enlaces mencionados en este episodio: Treg (encuentra clientes potenciales verificados): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Uso del navegador: browser-use/browser-use Claude Finance (Servicios financieros de Anthropic): anthropics/financial-services Marcadores de tiempo: [00:00] - Introducción: 8 repositorios de GitHub para monetizar [00:28] - Guía práctica para cada repositorio [01:02] - Repositorio 1: Oferta de recuperación de clientes de ListMonk [03:54] - Cómo encontrar clientes potenciales con Treg [05:07] - Repositorio 2: Postiz Social Autopilot [07:27] - Repositorio 3: WhisperX Call Scorecards [10:01] - Recurso gratuito: Los 8 repositorios [10:34] - Repositorio 4: PipeCat After-Hours Receptionist [12:57] - Repositorio 5: Documentación de entrada de facturas [15:31] - Repositorio 6: Imágenes de listados de ComfyUI [17:53] - Repositorio 7: Rastreador de permisos de uso del navegador [19:53] - Repositorio 8: Paquetes de listados de Claude Finance [22:02] - El marcador y por dónde empezar [22:54] - Próximos pasos: Conseguir 100 clientes potenciales ENCUÉNTRAME EN REDES SOCIALES: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [fr-FR] 8 dépôts GitHub qui génèrent du cash Concluez votre premier (ou prochain) contrat de services d'IA sous 90 jours ou soyez remboursé intégralement : skool.com Accédez à toutes mes ressources GRATUITES (y compris celles mentionnées dans cette vidéo) : skool.com Liens mentionnés dans cet épisode : Treg (trouver des prospects qualifiés) : treg.to ListMonk : knadh/listmonk Postiz : gitroomhq/postiz-app WhisperX : m-bain/whisperX PipeCat : pipecat-ai/pipecat Docling : docling-project/docling ComfyUI : Comfy-Org/ComfyUI Utilisation via navigateur : browser-use/browser-use Claude Finance (Services financiers anthropiques) : anthropics/financial-services Horodatage : [00:00] - Introduction : 8 dépôts GitHub à monétiser [00:28] - Guide simple pour chaque dépôt [01:02] - Dépôt 1 : Offre de reconquête ListMonk [03:54] - Trouver des prospects avec Treg [05:07] - Dépôt 2 : Postiz Social Autopilot [07:27] - Dépôt 3 : WhisperX Call Scorecards [10:01] - Ressource gratuite : Les 8 dépôts [10:34] - Dépôt 4 : PipeCat After-Hours Receptionist [12:57] - Dépôt 5 : Docling Invoice Entry [15:31] - Dépôt 6 : Images de présentation ComfyUI [17:53] - Dépôt 7 : Suivi des autorisations d'utilisation du navigateur [19:53] - Dépôt 8 : Packs de présentation Claude Finance [22:02] - Le tableau de bord et par où commencer [22:54] - Prochaines étapes : Générer 100 prospects RETROUVEZ-MOI SUR LES RÉSEAUX SOCIAUX : X/Twitter : x.com Instagram : instagram.com LinkedIn : linkedin.com YouTube : youtube.com [hi] 8 GitHub रिपोज़ जिनसे होगी पैसों की बारिश अपने पहले (या अगले) एआई सेवा क्लाइंट को 90 दिनों के भीतर डील फाइनल करें या अपना पूरा पैसा वापस पाएं: skool.com मेरे सभी मुफ़्त संसाधन (इस वीडियो में बताए गए संसाधनों सहित) प्राप्त करें: skool.com इस एपिसोड में उल्लिखित लिंक: Treg (सत्यापित लीड ढूंढें): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI ब्राउज़र का उपयोग: browser-use/browser-use क्लाउड फाइनेंस (एंथ्रोपिक वित्तीय सेवाएं): anthropics/financial-services टाइमस्टैम्प: [00:00] - परिचय: कमाई के लिए 8 GitHub रिपॉजिटरी [00:28] - प्रत्येक रिपॉजिटरी के लिए सरल प्लेबुक [01:02] - रिपॉजिटरी 1: लिस्टमॉन्क विन-बैक ऑफर [03:54] - ट्रेग के साथ लीड्स ढूँढना [05:07] - रिपॉजिटरी 2: पोस्टिज़ सोशल ऑटोपायलट [07:27] - रिपॉजिटरी 3: व्हिस्परएक्स कॉल स्कोरकार्ड [10:01] - निःशुल्क संसाधन: सभी 8 रिपॉजिटरी [10:34] - रिपॉजिटरी 4: पाइपकैट आफ्टर-आवर्स रिसेप्शनिस्ट [12:57] - रिपॉजिटरी 5: डॉकलिंग इनवॉइस एंट्री [15:31] - रेपो 6: ComfyUI लिस्टिंग इमेज [17:53] - रेपो 7: ब्राउज़र उपयोग परमिट ट्रैकर [19:53] - रेपो 8: क्लाउड फाइनेंस लिस्टिंग पैक [22:02] - स्कोरबोर्ड और शुरुआत कहाँ से करें [22:54] - अगले चरण: 100 लीड प्राप्त करें मुझे सोशल मीडिया पर फॉलो करें: X/ट्विटर: x.com इंस्टाग्राम: instagram.com लिंक्डइन: linkedin.com यूट्यूब: youtube.com [id] 8 repos GitHub yang menghasilkan uang $$$ Dapatkan klien layanan AI pertama (atau berikutnya) Anda dalam 90 hari atau dapatkan 100% uang Anda kembali: skool.com Dapatkan semua sumber daya GRATIS saya (termasuk yang disebutkan dalam video ini): skool.com Tautan yang disebutkan dalam episode ini: Treg (temukan prospek terverifikasi): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Penggunaan Browser: browser-use/browser-use Claude Finance (Layanan keuangan Anthropic): anthropics/financial-services Cap waktu: [00:00] - Pendahuluan: 8 Repositori GitHub untuk Dimonetisasi [00:28] - Panduan Sederhana untuk Setiap Repositori [01:02] - Repositori 1: Penawaran Win-Back ListMonk [03:54] - Menemukan Prospek dengan Treg [05:07] - Repositori 2: Autopilot Sosial Postiz [07:27] - Repositori 3: Kartu Skor Panggilan WhisperX [10:01] - Sumber Daya Gratis: Semua 8 Repositori [10:34] - Repositori 4: Resepsionis Setelah Jam Kerja PipeCat [12:57] - Repositori 5: Entri Faktur Docling [15:31] - Repositori 6: Gambar Daftar ComfyUI [17:53] - Repo 7: Pelacak Izin Penggunaan Browser [19:53] - Repo 8: Paket Daftar Claude Finance [22:02] - Papan Skor dan Tempat Memulai [22:54] - Langkah Selanjutnya: Dapatkan 100 Prospek TEMUKAN SAYA DI MEDIA SOSIAL: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [it] 8 repository GitHub che fanno guadagnare soldi Concludi il tuo primo (o prossimo) cliente di servizi AI entro 90 giorni o ricevi il 100% di rimborso: skool.com Accedi a tutte le mie risorse GRATUITE (incluse quelle menzionate in questo video): skool.com Link menzionati in questo episodio: Treg (trova lead verificati): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Browser utilizzato: Italiano: browser-use/browser-use Claude Finance (Servizi finanziari di Anthropic): anthropics/financial-services Timestamp: [00:00] - Introduzione: 8 repository GitHub da monetizzare [00:28] - Il semplice manuale per ogni repository [01:02] - Repository 1: Offerta di recupero clienti ListMonk [03:54] - Trovare lead con Treg [05:07] - Repository 2: Postiz Social Autopilot [07:27] - Repository 3: Schede di valutazione delle chiamate WhisperX [10:01] - Risorsa gratuita: Tutti gli 8 repository [10:34] - Repository 4: PipeCat After-Hours Receptionist [12:57] - Repository 5: Inserimento fatture con Docling [15:31] - Repository 6: Immagini di inserzione ComfyUI [17:53] - Repository 7: Tracker dei permessi di utilizzo del browser [19:53] - Repository 8: Pacchetti di inserzioni Claude Finance [22:02] - Il punteggio e da dove iniziare [22:54] - Prossimi passi: Generare 100 lead TROVAMI SUI SOCIAL: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [iw] 8 מאגרי GitHub שמדפיסים כסף סגרו את לקוח שירותי הבינה המלאכותית הראשון (או הבא) שלכם תוך 90 יום או קבלו 100% מכספכם בחזרה: skool.com קבלו את כל המשאבים שלי בחינם (כולל אלה המוזכרים בסרטון הזה): skool.com קישורים המוזכרים בפרק הזה: Treg (מצא לידים מאומתים): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI שימוש בדפדפן: browser-use/browser-use Claude Finance (שירותים פיננסיים אנתרופיים): anthropics/financial-services חותמות זמן: [00:00] - מבוא: 8 מאגרים ב-GitHub להפקת רווחים [00:28] - מדריך פשוט לכל מאגר [01:02] - מאגר 1: הצעת החזרה של ListMonk [03:54] - מציאת לידים עם Treg [05:07] - מאגר 2: טייס אוטומטי של Postiz Social [07:27] - מאגר 3: כרטיסי ניקוד שיחות WhisperX [10:01] - משאב חינמי: כל 8 המאגרים [10:34] - מאגר 4: פקיד קבלה לאחר שעות העבודה של PipeCat [12:57] - מאגר 5: רישום חשבונית [15:31] - מאגר 6: תמונות רישום של ComfyUI [17:53] - מאגר 7: מעקב אחר היתרי שימוש בדפדפן [19:53] - מאגר 8: חבילות רישום של Claude Finance [22:02] - לוח התוצאות והיכן להתחיל [22:54] - השלבים הבאים: משיכת 100 לידים מצאו אותי ברשתות החברתיות: X/טוויטר: x.com אינסטגרם: instagram.com לינקדאין: linkedin.com יוטיוב: youtube.com [ja] 収益を生み出すGitHubリポジトリ8選 90日以内に最初の（または次の）AIサービス契約を締結しない場合は、全額返金いたします：skool.com この動画で紹介したリソースを含む、すべての無料リソースを入手するには：skool.com このエピソードで紹介したリンク： Treg（検証済みリードの検索）：treg.to ListMonk：knadh/listmonk Postiz：gitroomhq/postiz-app WhisperX：m-bain/whisperX PipeCat：pipecat-ai/pipecat Docling：docling-project/docling ComfyUI：Comfy-Org/ComfyUI ブラウザの使用： browser-use/browser-use Claude Finance (Anthropic Financial Services): anthropics/financial-services タイムスタンプ: [00:00] - はじめに: 収益化できるGitHubリポジトリ8選 [00:28] - 各リポジトリのためのシンプルなプレイブック [01:02] - リポジトリ1: ListMonk 再獲得オファー [03:54] - Tregを使ったリード獲得 [05:07] - リポジトリ2: Postiz ソーシャルオートパイロット [07:27] - リポジトリ3: WhisperX コールスコアカード [10:01] - 無料リソース: 全8リポジトリ [10:34] - リポジトリ4: PipeCat アフターアワーズ受付 [12:57] - リポジトリ5: Docling 請求書エントリー [15:31] - リポジトリ6：ComfyUIリスティング画像 [17:53] - リポジトリ7：ブラウザ使用許可トラッカー [19:53] - リポジトリ8：Claude Financeリスティングパック [22:02] - スコアボードと開始方法 [22:54] - 次のステップ：リード100件獲得 ソーシャルメディアで私を見つけてください： X/Twitter：x.com Instagram：instagram.com LinkedIn：linkedin.com YouTube：youtube.com [ko] 돈이 복사되는 8가지 GitHub 저장소 90일 이내에 첫 번째(또는 다음) AI 서비스 고객을 확보하지 못하면 100% 환불해 드립니다: skool.com 모든 무료 자료(이 영상에서 언급된 자료 포함)를 받으세요: skool.com 이 에피소드에서 언급된 링크: Treg(검증된 리드 찾기): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI 브라우저 사용: browser-use/browser-use Claude Finance (Anthropics 금융 서비스): anthropics/financial-services 타임스탬프: [00:00] - 소개: 수익 창출을 위한 8가지 GitHub 리포지토리 [00:28] - 모든 리포지토리를 위한 간단한 플레이북 [01:02] - 리포지토리 1: ListMonk 고객 재확보 제안 [03:54] - Treg를 활용한 리드 발굴 [05:07] - 리포지토리 2: Postiz 소셜 자동화 도구 [07:27] - 리포지토리 3: WhisperX 통화 스코어카드 [10:01] - 무료 리소스: 8개 리포지토리 모두 [10:34] - 리포지토리 4: PipeCat 야간 접수원 [12:57] - 리포지토리 5: Docling 송장 항목 [15:31] - 저장소 6: ComfyUI 리스팅 이미지 [17:53] - 저장소 7: 브라우저 사용 권한 추적기 [19:53] - 저장소 8: Claude Finance 리스팅 팩 [22:02] - 성과표 및 시작점 [22:54] - 다음 단계: 리드 100개 확보 소셜 미디어에서 저를 찾아보세요: X/트위터: x.com 인스타그램: instagram.com 링크드인: linkedin.com 유튜브: youtube.com [ml] പണം വാരാൻ സഹായിക്കുന്ന 8 GitHub റിപ്പോസിറ്ററികൾ നിങ്ങളുടെ ആദ്യത്തെ (അല്ലെങ്കിൽ അടുത്ത) AI സേവന ക്ലയന്റ് 90 ദിവസത്തിനുള്ളിൽ അടയ്ക്കുക അല്ലെങ്കിൽ നിങ്ങളുടെ പണത്തിന്റെ 100% തിരികെ നേടുക: skool.com എന്റെ എല്ലാ സൗജന്യ ഉറവിടങ്ങളും (ഈ വീഡിയോയിൽ പരാമർശിച്ചിരിക്കുന്നവ ഉൾപ്പെടെ) നേടുക: skool.com ഈ എപ്പിസോഡിൽ പരാമർശിച്ചിരിക്കുന്ന ലിങ്കുകൾ: ട്രെഗ് (പരിശോധിച്ചുറപ്പിച്ച ലീഡുകൾ കണ്ടെത്തുക): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI ബ്രൗസർ ഉപയോഗം: browser-use/browser-use ക്ലോഡ് ഫിനാൻസ് (ആന്ത്രോപിക് ഫിനാൻഷ്യൽ സർവീസസ്): anthropics/financial-services ടൈംസ്റ്റാമ്പുകൾ: [00:00] - ആമുഖം: ധനസമ്പാദനം നടത്താനുള്ള 8 GitHub Repos [00:28] - ഓരോ Repo-യ്ക്കും ലളിതമായ പ്ലേബുക്ക് [01:02] - Repo 1: ListMonk Win-Back ഓഫർ [03:54] - Treg ഉപയോഗിച്ച് ലീഡുകൾ കണ്ടെത്തൽ [05:07] - Repo 2: Postiz Social Autopilot [07:27] - Repo 3: WhisperX കോൾ സ്കോർകാർഡുകൾ [10:01] - സൗജന്യ ഉറവിടം: എല്ലാ 8 Repos [10:34] - Repo 4: PipeCat After-Hours Receptionist [12:57] - Repo 5: ഡോക്ലിംഗ് ഇൻവോയ്സ് എൻട്രി [15:31] - Repo 6: ComfyUI ലിസ്റ്റിംഗ് ഇമേജുകൾ [17:53] - Repo 7: ബ്രൗസർ ഉപയോഗ പെർമിറ്റ് ട്രാക്കർ [19:53] - Repo 8: ക്ലോഡ് ഫിനാൻസ് ലിസ്റ്റിംഗ് പായ്ക്കുകൾ [22:02] - സ്കോർബോർഡും എവിടെ തുടങ്ങണം എന്നതും [22:54] - അടുത്ത ഘട്ടങ്ങൾ: 100 ലീഡുകൾ നേടുക എന്നെ സോഷ്യൽ മീഡിയയിൽ കണ്ടെത്തുക: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [nl-NL] 8 GitHub-repositories die geld in het laatje brengen Sluit je eerste (of volgende) AI-klantenovereenkomst binnen 90 dagen af ​​of krijg 100% van je geld terug: skool.com Ontvang al mijn GRATIS bronnen (inclusief de bronnen die in deze video worden genoemd): skool.com Links genoemd in deze aflevering: Treg (vind geverifieerde leads): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Browsergebruik: browser-use/browser-use Claude Finance (Anthropic Financial Services): anthropics/financial-services Tijdstempels: [00:00] - Intro: 8 GitHub-repositories om geld mee te verdienen [00:28] - Het eenvoudige stappenplan voor elke repository [01:02] - Repository 1: ListMonk Win-Back-aanbieding [03:54] - Leads vinden met Treg [05:07] - Repository 2: Postiz Social Autopilot [07:27] - Repository 3: WhisperX Call Scorecards [10:01] - Gratis bron: Alle 8 repositories [10:34] - Repository 4: PipeCat Receptionist voor buiten kantooruren [12:57] - Repository 5: Docling Factuurinvoer [15:31] - Repository 6: ComfyUI Afbeeldingen voor advertenties [17:53] - Repository 7: Browsergebruiksvergunning Tracker [19:53] - Repo 8: Claude Finance Listing Packs [22:02] - Het scorebord en waar te beginnen [22:54] - Volgende stappen: 100 leads genereren VIND ME OP SOCIAL MEDIA: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [pa] 8 GitHub ਰਿਪੋਜ਼ ਜੋ ਪੈਸੇ ਛਾਪਦੀਆਂ ਹਨ 90 ਦਿਨਾਂ ਦੇ ਅੰਦਰ ਆਪਣਾ ਪਹਿਲਾ (ਜਾਂ ਅਗਲਾ) AI ਸੇਵਾਵਾਂ ਕਲਾਇੰਟ ਬੰਦ ਕਰੋ ਜਾਂ ਆਪਣੇ ਪੈਸੇ ਦਾ 100% ਵਾਪਸ ਪ੍ਰਾਪਤ ਕਰੋ: skool.com ਮੇਰੇ ਸਾਰੇ ਮੁਫ਼ਤ ਸਰੋਤ ਪ੍ਰਾਪਤ ਕਰੋ (ਇਸ ਵੀਡੀਓ ਵਿੱਚ ਦੱਸੇ ਗਏ ਸਮੇਤ): skool.com ਇਸ ਐਪੀਸੋਡ ਵਿੱਚ ਦੱਸੇ ਗਏ ਲਿੰਕ: Treg (ਪ੍ਰਮਾਣਿਤ ਲੀਡ ਲੱਭੋ): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI ਬ੍ਰਾਊਜ਼ਰ ਵਰਤੋਂ: browser-use/browser-use ਕਲਾਉਡ ਫਾਈਨੈਂਸ (ਐਂਥ੍ਰੋਪਿਕ ਫਾਈਨੈਂਸ਼ੀਅਲ ਸਰਵਿਸਿਜ਼): anthropics/financial-services ਟਾਈਮਸਟੈਂਪ: [00:00] - ਜਾਣ-ਪਛਾਣ: 8 GitHub Repos To Monetize [00:28] - The Simple Playbook For Every Repo [01:02] - Repo 1: ListMonk Win-Back Offer [03:54] - Treg ਨਾਲ ਲੀਡ ਲੱਭਣਾ [05:07] - Repo 2: Postiz Social Autopilot [07:27] - Repo 3: WhisperX Call Scorecards [10:01] - ਮੁਫ਼ਤ ਸਰੋਤ: ਸਾਰੇ 8 Repos [10:34] - Repo 4: PipeCat After-Hours Receptionist [12:57] - Repo 5: Docling Invoice Entry [15:31] - Repo 6: ComfyUI ਸੂਚੀ ਚਿੱਤਰ [17:53] - ਰੈਪੋ 7: ਬ੍ਰਾਊਜ਼ਰ ਵਰਤੋਂ ਪਰਮਿਟ ਟਰੈਕਰ [19:53] - ਰੈਪੋ 8: ਕਲਾਉਡ ਫਾਈਨੈਂਸ ਸੂਚੀ ਪੈਕ [22:02] - ਸਕੋਰਬੋਰਡ ਅਤੇ ਕਿੱਥੋਂ ਸ਼ੁਰੂ ਕਰਨਾ ਹੈ [22:54] - ਅਗਲੇ ਕਦਮ: 100 ਲੀਡ ਖਿੱਚੋ ਮੈਨੂੰ ਸੋਸ਼ਲ 'ਤੇ ਲੱਭੋ: X/Twitter: x.com ਇੰਸਟਾਗ੍ਰਾਮ: instagram.com ਲਿੰਕਡਇਨ: linkedin.com ਯੂਟਿਊਬ: youtube.com [pl] 8 repozytoriów na GitHubie, które drukują pieniądze Zamów swojego pierwszego (lub kolejnego) klienta usług AI w ciągu 90 dni lub odzyskaj 100% pieniędzy: skool.com Zdobądź wszystkie moje BEZPŁATNE materiały (w tym te wymienione w tym filmie): skool.com Linki wymienione w tym odcinku: Treg (znajdź zweryfikowane leady): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Przeglądarka Użycie: browser-use/browser-use Claude Finance (Anthropic Financial Services): anthropics/financial-services Znaczniki czasu: [00:00] - Wprowadzenie: 8 repozytoriów GitHub do monetyzacji [00:28] - Prosty podręcznik dla każdego repozytoria [01:02] - Repozytoria 1: Oferta Win-Back ListMonk [03:54] - Znajdowanie leadów za pomocą Treg [05:07] - Repozytoria 2: Autopilot społecznościowy Postiz [07:27] - Repozytoria 3: Karty wyników połączeń WhisperX [10:01] - Bezpłatny zasób: Wszystkie 8 repozytoriów [10:34] - Repozytoria 4: Recepcjonistka po godzinach pracy PipeCat [12:57] - Repozytoria 5: Dokumentowanie faktur Wpis [15:31] - Repo 6: Obrazy ofert ComfyUI [17:53] - Repo 7: Śledzenie zezwoleń na korzystanie z przeglądarki [19:53] - Repo 8: Pakiety ofert Claude Finance [22:02] - Tablica wyników i od czego zacząć [22:54] - Następne kroki: Pozyskaj 100 leadów ZNAJDŹ MNIE W MEDIACH SPOŁECZNOŚCIOWYCH: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [pt-BR] 8 repos do GitHub que imprimem dinheiro Feche seu primeiro (ou próximo) cliente de serviços de IA em até 90 dias ou receba 100% do seu dinheiro de volta: skool.com Obtenha todos os meus recursos GRATUITOS (incluindo os mencionados neste vídeo): skool.com Links mencionados neste episódio: Treg (encontre leads verificados): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Uso do navegador: browser-use/browser-use Claude Finance (Serviços financeiros antrópicos): anthropics/financial-services Marcadores de tempo: [00:00] - Introdução: 8 Repositórios do GitHub para Monetizar [00:28] - O Guia Prático Simples para Cada Repositório [01:02] - Repositório 1: Oferta de Recuperação de Clientes do ListMonk [03:54] - Encontrando Leads com o Treg [05:07] - Repositório 2: Piloto Automático Social do Postiz [07:27] - Repositório 3: Planilhas de Avaliação de Chamadas do WhisperX [10:01] - Recurso Gratuito: Todos os 8 Repositórios [10:34] - Repositório 4: Recepcionista Fora do Horário Comercial do PipeCat [12:57] - Repositório 5: Entrada de Faturas do Docling [15:31] - Repositório 6: Imagens de listagem do ComfyUI [17:53] - Repositório 7: Rastreador de permissões de uso do navegador [19:53] - Repositório 8: Pacotes de listagem do Claude Finance [22:02] - O placar e por onde começar [22:54] - Próximos passos: Obter 100 leads ME ENCONTRE NAS REDES SOCIAIS: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [ru] 8 GitHub-репозиториев, которые печатают деньги Закройте свой первый (или следующий) клиентский проект по услугам ИИ в течение 90 дней или получите 100% своих денег обратно: skool.com Получите все мои БЕСПЛАТНЫЕ ресурсы (включая упомянутые в этом видео): skool.com Ссылки, упомянутые в этом эпизоде: Treg (поиск проверенных лидов): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Использование в браузере: browser-use/browser-use Claude Finance (антропические финансовые услуги): anthropics/financial-services Временные метки: [00:00] - Вступление: 8 репозиториев GitHub для монетизации [00:28] - Простой алгоритм для каждого репозитория [01:02] - Репозиторий 1: Предложение ListMonk по возврату клиентов [03:54] - Поиск лидов с помощью Treg [05:07] - Репозиторий 2: Postiz Social Autopilot [07:27] - Репозиторий 3: WhisperX Call Scorecards [10:01] - Бесплатный ресурс: Все 8 репозиториев [10:34] - Репозиторий 4: PipeCat Администратор в нерабочее время [12:57] - Репозиторий 5: Ввод счетов-фактур [15:31] - Репозиторий 6: Изображения для объявлений ComfyUI [17:53] - Репозиторий 7: Трекер разрешений на использование браузера [19:53] - Репозиторий 8: Пакеты объявлений Claude Finance [22:02] - Таблица результатов и с чего начать [22:54] - Следующие шаги: Привлечение 100 потенциальных клиентов НАЙДИТЕ МЕНЯ В СОЦИАЛЬНЫХ СЕТЯХ: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com [ta] பணம் ஈட்டித்தரும் 8 GitHub களஞ்சியங்கள் 90 நாட்களுக்குள் உங்கள் முதல் (அல்லது அடுத்த) AI சேவைகள் வாடிக்கையாளரைப் பெறுங்கள் அல்லது உங்கள் பணத்தை 100% திரும்பப் பெறுங்கள்: skool.com எனது அனைத்து இலவச வளங்களையும் பெறுங்கள் (இந்த வீடியோவில் குறிப்பிடப்பட்டவை உட்பட): skool.com இந்த அத்தியாயத்தில் குறிப்பிடப்பட்ட இணைப்புகள்: Treg (சரிபார்க்கப்பட்ட வாடிக்கையாளர்களைக் கண்டறியவும்): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Browser Use: browser-use/browser-use Claude Finance (ஆந்த்ரோபிக் நிதிச் சேவைகள்): anthropics/financial-services நேரக்குறிப்புகள்: [00:00] - அறிமுகம்: வருமானம் ஈட்டுவதற்கான 8 கிட்ஹப் ரெப்போக்கள் [00:28] - ஒவ்வொரு ரெப்போவிற்கான எளிய வழிகாட்டி [01:02] - ரெப்போ 1: லிஸ்ட்மங்க் வின்-பேக் ஆஃபர் [03:54] - ட்ரெக் மூலம் லீட்களைக் கண்டறிதல் [05:07] - ரெப்போ 2: போஸ்டிஸ் சோஷியல் ஆட்டோபைலட் [07:27] - ரெப்போ 3: விஸ்பர்எக்ஸ் கால் ஸ்கோர்கார்டுகள் [10:01] - இலவச ஆதாரம்: அனைத்து 8 ரெப்போக்களும் [10:34] - ரெப்போ 4: பைப்கேட் ஆஃப்டர்-ஹவர்ஸ் ரிசப்ஷனிஸ்ட் [12:57] - ரெப்போ 5: டாக்லிங் இன்வாய்ஸ் என்ட்ரி [15:31] - ரெப்போ 6: கம்ஃபியுஐ லிஸ்டிங் இமேஜஸ் [17:53] - ரெப்போ 7: உலாவி பயன்பாட்டு அனுமதி கண்காணிப்பான் [19:53] - ரெப்போ 8: கிளாட் ஃபைனான்ஸ் லிஸ்டிங் பேக்ஸ் [22:02] - ஸ்கோர்போர்டு மற்றும் எங்கு தொடங்குவது [22:54] - அடுத்த படிகள்: 100 லீட்களைப் பெறுதல் சமூக வலைத்தளங்களில் என்னைக் கண்டறியுங்கள்: X/ட்விட்டர்: x.com இன்ஸ்டாகிராம்: instagram.com லிங்க்ட்இன்: linkedin.com யூடியூப்: youtube.com [te] డబ్బులు కురిపించే 8 GitHub రెపోలు 90 రోజులలోపు మీ మొదటి (లేదా తదుపరి) AI సేవల క్లయింట్‌ను ఖరారు చేసుకోండి లేదా మీ డబ్బులో 100% తిరిగి పొందండి: skool.com నా ఉచిత వనరులన్నింటినీ పొందండి (ఈ వీడియోలో పేర్కొన్న వాటితో సహా): skool.com ఈ ఎపిసోడ్‌లో పేర్కొన్న లింకులు: ట్రెగ్ (ధృవీకరించబడిన లీడ్‌లను కనుగొనండి): treg.to లిస్ట్‌మంక్: knadh/listmonk పోస్టిజ్: gitroomhq/postiz-app విస్పర్‌ఎక్స్: m-bain/whisperX పైప్‌క్యాట్: pipecat-ai/pipecat డాక్లింగ్: docling-project/docling కంఫీయూఐ: Comfy-Org/ComfyUI బ్రౌజర్ వాడకం: browser-use/browser-use క్లాడ్ ఫైనాన్స్ (ఆంత్రోపిక్ ఫైనాన్షియల్ సర్వీసెస్): anthropics/financial-services టైమ్‌స్టాంప్‌లు: [00:00] - పరిచయం: డబ్బు సంపాదించడానికి 8 గిట్‌హబ్ రిపోలు [00:28] - ప్రతి రిపో కోసం సులభమైన ప్లేబుక్ [01:02] - రిపో 1: లిస్ట్‌మంక్ విన్-బ్యాక్ ఆఫర్ [03:54] - ట్రెగ్ (Treg)తో లీడ్స్ కనుగొనడం [05:07] - రిపో 2: పోస్టిజ్ సోషల్ ఆటోపైలట్ [07:27] - రిపో 3: విస్పర్ఎక్స్ (WhisperX) కాల్ స్కోర్‌కార్డులు [10:01] - ఉచిత వనరు: మొత్తం 8 రిపోలు [10:34] - రిపో 4: పైప్‌క్యాట్ (PipeCat) ఆఫ్టర్-అవర్స్ రిసెప్షనిస్ట్ [12:57] - రిపో 5: డాక్లింగ్ (Docling) ఇన్వాయిస్ ఎంట్రీ [15:31] - రెపో 6: కంఫీయూఐ లిస్టింగ్ ఇమేజెస్ [17:53] - రెపో 7: బ్రౌజర్ యూజ్ పర్మిట్ ట్రాకర్ [19:53] - రెపో 8: క్లాడ్ ఫైనాన్స్ లిస్టింగ్ ప్యాక్స్ [22:02] - స్కోర్‌బోర్డ్ మరియు ఎక్కడ ప్రారంభించాలి [22:54] - తదుపరి దశలు: 100 లీడ్స్‌ను పొందండి సోషల్ మీడియాలో నన్ను కనుగొనండి: X/ట్విట్టర్: x.com ఇన్‌స్టాగ్రామ్: instagram.com లింక్డ్‌ఇన్: linkedin.com యూట్యూబ్: youtube.com [uk] 8 репозиторіїв GitHub, що приносять гроші Закрийте свого першого (або наступного) клієнта послуг штучного інтелекту протягом 90 днів або отримайте 100% повернення коштів: skool.com Отримайте всі мої БЕЗКОШТОВНІ ресурси (включно з тими, що згадані в цьому відео): skool.com Посилання, згадані в цьому епізоді: Treg (знайти перевірених лідів): treg.to ListMonk: knadh/listmonk Postiz: gitroomhq/postiz-app WhisperX: m-bain/whisperX PipeCat: pipecat-ai/pipecat Docling: docling-project/docling ComfyUI: Comfy-Org/ComfyUI Використання браузера: browser-use/browser-use Claude Фінанси (антропні фінансові послуги): anthropics/financial-services Позначки часу: [00:00] - Вступ: 8 репозиторіїв GitHub для монетизації [00:28] - Простий посібник для кожного репозиторію [01:02] - Звіт 1: Пропозиція повернення клієнтів ListMonk [03:54] - Пошук лідів за допомогою Treg [05:07] - Звіт 2: Соціальний автопілот Postiz [07:27] - Звіт 3: Картки показників дзвінків WhisperX [10:01] - Безкоштовний ресурс: Усі 8 репозиторіїв [10:34] - Звіт 4: Рецепціоніст після робочого часу PipeCat [12:57] - Звіт 5: Документування введення рахунків-фактур [15:31] - Звіт 6: Зображення списку ComfyUI [17:53] - Звіт 7: Дозвіл на використання браузера Трекер [19:53] - Звіт 8: Пакети лістингу Claude Finance [22:02] - Таблиця показників та з чого почати [22:54] - Наступні кроки: Залучення 100 лідів ЗНАЙДІТЬ МЕНЕ В СОЦІАЛЬНИХ МЕРЕЖАХ: X/Twitter: x.com Instagram: instagram.com LinkedIn: linkedin.com YouTube: youtube.com

Transcreve a fala com marcação de tempo por palavra e separa quem falou. Estudamos: o rótulo de cada falante precisa ser atribuído e conferido por pessoa, e a transcrição automática não substitui a mídia oficial. m-bain/whisperX t.co