Original title: Adaptace a deployment automatického přepisu jako kontejner do Umbrel / Start9
Translated title: Adaptation and deployment of automatic speech transcriber as container in Umbrel / Start9
Authors: Dedek, Daniel ; Schwarz, Petr (referee) ; Szőke, Igor (advisor)
Document type: Bachelor's theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Tato práce se zabývá návrhem a implementací webové aplikace pro automatický přepis řeči, určené pro běh na platformě Umbrel OS. Cílem je umožnit lokální zpracování audio dat bez nutnosti využití cloudových služeb. Aplikace je realizována jako klient-server systém s backendem ve frameworku Flask a poskytuje uživatelské rozhraní pro nahrávání, správu a přepis zvukových souborů ve formátu WAV. Pro přepis jsou využity moderní ASR modely Whisper, Canary a Parakeet, které lze dynamicky přepínat a konfigurovat. Důraz je kladen na modularitu systému a možnost jeho dalšího rozšiřování. Výsledný přepis lze zobrazit a stáhnout ve formátu TXT, přičemž u modelu Whisper jsou dostupné i doplňující informace, jako časové značky. This thesis focuses on the design and implementation of a web application for automatic speech-to-text transcription running on the Umbrel OS platform. The goal is to enable local processing of audio data without relying on cloud services. The application is implemented as a client-server system using the Flask framework and provides an interface for uploading, managing, and transcribing WAV audio files. The system supports multiple ASR models, namely Whisper, Canary, and Parakeet, which can be dynamically selected and configured. Emphasis is placed on modularity and extensibility. The resulting transcription can be displayed and downloaded as a TXT file, with additional information such as timestamps available for the Whisper model.
Keywords: ASR models; audio processing; automatic speech recognition; Flask; NVIDIA NeMo; Python; speech-to-text; Umbrel; web application; Whisper; ASR modely; automatické rozpoznávání řeči; Flask; NVIDIA NeMo; Python; přepis řeči; Umbrel; webová aplikace; Whisper; zpracování audia

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/258718

Permalink: http://www.nusl.cz/ntk/nusl-776607


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses