Transkription & KI-Stimmen, gehostet in Frankreich
Ein speech-to-text- und text-to-speech-Server kompatibel mit OpenAI, angetrieben von Speaches, installiert und gewartet von DINAO. Ihre Aufnahmen und generierten Stimmen verbleiben auf unseren französischen Servern — sie gehen niemals zu OpenAI.
Was ist Speaches?
Speaches ist ein OpenAI-API-kompatibler Server, der sich auf Transkription, Übersetzung und Sprachgenerierung spezialisiert hat. Die Spracherkennung (speech-to-text) wird durch faster-whisper bereitgestellt, während die Sprachsynthese (text-to-speech) auf Piper und Kokoro basiert. Das Ziel des Projekts: ein „Ollama, aber für TTS/STT-Modelle“ zu sein.
Da seine API mit OpenAI kompatibel ist, funktionieren alle Tools und SDKs, die für die OpenAI-Audio-API entwickelt wurden, mit Speaches ohne Änderungen. Die Transkription wird über SSE streamend ausgegeben, während die Audioverarbeitung stattfindet: Es ist nicht nötig, auf das Ende der Datei zu warten, um den Text zu erhalten.
Als selbstgehostete Lösung garantiert Speaches volle Datenschutzkonformität, eliminiert die minutenbasierte Abrechnung und ermöglicht die Audioverarbeitung ohne Abhängigkeit von einer Cloud-API. Mehrere Modelle können koexistieren und bei Bedarf geladen werden, vom leichtesten CPU-Modell bis hin zu großen, durch GPUs beschleunigten Modellen.
Hosten Sie Speaches bei DINAO
Ressourcenstufen kompatibel mit den Anforderungen von Speaches (min. 2 cœurs / 4 Go / 10 Go (cache des modèles Hugging Face)). In Frankreich gehostet, vollständig gemanagt.
- 2 dedizierte vCPUs
- 4 Go RAM
- 40 GB NVMe
- Tägliche Backups
- Gemanagt & überwacht von DINAO
- 4 dedizierte vCPUs
- 8 Go RAM
- 80 GB NVMe
- Tägliche Backups
- Gemanagt & überwacht von DINAO
- 8 dedizierte vCPUs
- 16 Go RAM
- 160 GB NVMe
- Tägliche Backups
- Gemanagt & überwacht von DINAO
1 verborgene Stufe(n) (unzureichende Ressourcen für diese App) : Découverte
Diese Anwendung nutzt KI
Der Container hostet die Anwendung, nicht die KI-Engine (die dedizierte GPUs erfordert) : Die Inferenz erfolgt extern, mit Ihrem eigenen Anbieter-Schlüssel. Bevorzugen Sie eine souveräne Engine — Mistral AI, NumSpot, Scaleway oder OVHcloud AI Endpoints (Frankreich, DSGVO) ; ein internationaler Anbieter (OpenAI, Anthropic…) nur, wenn eine spezifische Anforderung dies erfordert. Inferenz-Abonnements sind im Hosting nicht enthalten.
Technische Details
Sie fragen sich…
Gehen meine Aufnahmen zu OpenAI?
Nein. Im lokalen Modus werden Ihre Audiodateien direkt auf Ihrer DINAO-Instanz über Whisper, Piper und Kokoro transkribiert und synthetisiert. Es werden keine Töne oder Texte an einen Drittanbieter übermittelt.
Ist Speaches mit OpenAI-Tools kompatibel?
Ja. Speaches stellt eine OpenAI-kompatible API bereit: SDKs und Anwendungen, die die OpenAI-Audio-API nutzen, funktionieren, indem Sie einfach auf Ihre Instanz verweisen.
Welche Modelle sind verfügbar?
Für die Transkription stehen Whisper-Modelle (faster-whisper) vom leichtesten bis zum präzisesten zur Verfügung. Für die Sprachsynthese stehen Piper und Kokoro mit mehreren Stimmen zur Verfügung. Eine GPU beschleunigt große Modelle erheblich.
Wo werden die Daten gehostet?
Auf der DINAO-Infrastruktur in Frankreich, in einem der verfügbaren Rechenzentren. Ihre Audios und Texte verlassen das Hoheitsgebiet nicht.
Brauche ich eine GPU?
Nein für leichte Modelle, die auf der CPU laufen. Für Echtzeit-Transkription oder große Whisper-Modelle verbessert eine optionale GPU die Geschwindigkeit deutlich.
