Speaker 1: Hey und Willkommen zu einem neuen AI Tutorial von mir. Heute zeige ich dir Schritt für Schritt wie man eine Sprache, also etwas gesprochenes in einen Text umwandelt. Zur Umwandlung von Sprache in Text verwende ich die Whisper AI. Diese AI ist extrem leistungsfähig, kostenlos und total einfach zu bedienen. Und das beste daran ist, dass sie mit 97 gesprochenen Sprachen funktioniert. Dann lasst uns herausfinden wie das Ganze funktioniert. Um die Whisper AI benutzen zu können, nutzen wir Google Kollaboratory. Das erlaubt uns ein Code direkt im Webbrowser auszuführen. Für die Benutzung von Google Kollaboratory springen wir zu Google Drive. Also drive.google.com. Für Google Drive brauchst du einen Google Account. Also falls du keinen hast, musst du dir zuvor einen Google Account kostenlos einrichten. Bei Google Drive angekommen, klicken wir hier oben links auf Neu. Dann zu mehr und hier ganz unten finden wir weitere Apps verknüpfen. Oben in der Leiste geben wir Kollaboratory ein. Hier finden wir das Programm und wir klicken hier auf installieren. Dann erhalten wir eine Nachricht, dass Google Kollaboratory sich mit Google Drive verbunden hat. Dann klicken auf Fertig. Das Fenster können wir hier wieder schließen. Dann klicken wir noch mal auf Neu und unter mehr finden wir jetzt Google Kollaboratory. Wenn wir es einmal auswählen, landen wir direkt im Programm. Das schaut hier meiner Meinung nach ziemlich erschreckend aus, aber glaubt mir, es funktioniert super einfach. Zuerst geben wir unserer Datei einen Namen. Hier oben im ersten Fenster. Dann das ganze mal Audio zu Text, damit wir unsere Datei auch später wieder finden. Danach klicken wir in der Menüleiste auf Laufzeit. Hier finden wir die Option Laufzeittyp ändern. Dann öffnet sich ein Fenster, wo wir den Hardwarebeschleuniger auswählen können. Hier wählen wir GPU aus oder eine Grafikkarte, da dieses Tool extrem gut auf einer Grafikkarte läuft. Und natürlich Speichern nicht vergessen. Der nächste Schritt ist Whisper AI zu installieren. Dafür gehen wir zum Feld, wo wir einen Code eintippen können und hier füge ich diesen Code ein. Diesen Code findet ihr natürlich in der Videobeschreibung. Einfach mit Copy und Paste einfügen. Die erste Zeile besagt installiere uns. Whisper von der Website namens GitHub. Das ist der Ort, an dem der gesamte Code aufbewahrt wird. Sobald wir Whisper haben, installieren wir uns etwas namens FFmpeg. Das erlaubt uns mit Audio und Videoformaten zu arbeiten. Und macht euch keine Sorge, obwohl ich ständig installieren sage, installieren wir hier nichts auf unseren Computer. Alles wird in das Google Collaboratory installiert. Dann klicken wir auf das Run Icon. Damit haben wir den Befehl gegeben Whisper und FFmpeg zu installieren. Wenn beides installiert wurde, bekommen wir hier einen grünen Haken. Die Installation hat bei mir gerade einmal 26 Sekunden gedauert. Auf unserer linken Seite finden wir ein Ordner Icon. Hier können wir jetzt eine Audio Datei oder eine Video Datei für die Umwandlung von Sprache in Text hineinziehen. In meinem Fall ziehe ich eine MP3 Datei hinein, die ich schon mal für ein anderes Video angesprochen habe. Hier sehen wir dann, dass unsere Datei erfolgreich hochgeladen wurde. Jetzt bin ich bereit den Text aus dieser Audio Datei zu entnehmen. Dafür brauchen wir ein neues Code Fenster. Klicken deshalb hier auf Plus Code und fügen folgenden Code ein, um Whisper auf die Datei anzuwenden. Ausrufezeichen Whisper. Dann musst du den Namen deiner Datei eintippen. In meinem Fall heißt sie Audio Text. Und dann kann man noch das Modell auswählen. Sozusagen die Qualitätsstufe. Ich möchte hier das Medium Modell benutzen. Darüber gibt es noch das Large Modell. Das dauert am längsten, um die Dateien zu verarbeiten. Darunter gibt es noch die Modelle Small, Base und Tiny. Diese Modelle funktionieren am schnellsten, aber mit schlechter Genauigkeit. Das ist der Grund, wieso ich das Medium Modell verwende. Wenn wir unseren Code eingegeben haben und unseren Dateinamen ein weiteres Mal überprüft haben, klicken wir auf das Run Icon. Und die Sprache Deutsch wurde automatisch festgestellt. Und hier sehen wir unseren gesprochenen Text in der Audiodatei. In unserem Ordner wurden hier weitere Dateien abgelegt. Falls diese für dich nicht sichtbar sind, einfach auf Aktualisieren klicken. Hier finden wir beispielsweise eine SRT, TXT und VTT Datei. Die TXT Datei enthält nur den Text der Audiodatei. SRT und VTT enthalten zusätzlich noch die Zeitstempel, damit man weiß, wann etwas gesagt wurde. Um eine dieser drei Dateien herunter zu laden, klickt man auf die drei Punkte und dann auf Herunterladen. Ich werde hier die TXT und SRT Datei herunterladen. Hier sehen wir die TXT Datei. Wenn wir den Text einmal grob durchlesen, sieht es so aus, als hätte Whisper.ai perfekte Arbeit geleistet. Sogar mit Punktsetzung nach einem Satz und richtiger Groß- und Kleinschreibung. Das gleiche bei der SRT Datei. Hier sehen wir den gleichen Text, diesmal zusätzlich mit Zeitstempeln. Manchmal muss ich noch ein paar kleine Optimierungen vornehmen, aber in Summe ein wirklich starkes Programm und ein echter Timesaver. Dann hoffe ich, dass dir das Video gefallen hat und bis zum nächsten Mal.