aTrain/publiccode.yml at develop · aTrainTranscription/aTrain · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
# This repository adheres to the publiccode.yml standard by including this
# metadata file that makes public software easily discoverable.
# More info at https://github.com/italia/publiccode.yml
publiccodeYmlVersion: "0.5"

name: aTrain
url: "https://github.com/aTrainTranscription/aTrain"
landingURL: "https://business-analytics.uni-graz.at/en/research/atrain/"

softwareVersion: "1.5.0"
releaseDate: "2026-01-28"

logo: docs/images/logo.svg

platforms:
  - windows
  - linux

categories:
  - data-collection
  - knowledge-management

developmentStatus: stable

softwareType: standalone/desktop

intendedAudience:
  countries:
    - de
    - at
  scope:
    - research
    - science-and-technology

description:
  en:
    localisedName: aTrain
    shortDescription: >-
      Offline, GDPR-compliant transcription of speech recordings using
      local Whisper machine-learning models.
    longDescription: >
      aTrain automatically transcribes speech recordings using
      state-of-the-art machine-learning models, without uploading any data.
      It was developed by researchers at the Center for Data Science in Business and Society
      at the University of Graz and tested by researchers at
      the Know-Center Graz.


      All processing runs completely offline on the user's own device. No
      recording or transcription is ever sent to the internet, which helps
      researchers meet data-privacy requirements from ethical guidelines and
      comply with legal requirements such as the GDPR.


      aTrain provides a user-friendly interface to the faster-whisper
      implementation of OpenAI's Whisper model, delivering high transcription
      quality across 99 languages. An optional speaker-detection mode based on
      pyannote.audio assigns each text segment to a speaker. Transcripts export
      directly into the common tools for qualitative analysis, ATLAS.ti,
      MAXQDA and NVivo, letting researchers play the audio for a text segment
      by clicking its timestamp.


      aTrain runs on the CPU or, for a significant speed-up, on a CUDA-enabled
      NVIDIA GPU. It is distributed through Flathub for Linux and the Microsoft
      Store for Windows, and is also installable as a headless command-line
      tool for automated transcription pipelines.
    features:
      - Automatic offline speech-to-text transcription
      - Speaker detection and diarization
      - Transcription in 99 languages
      - GDPR-compliant, fully local processing
      - Optional CUDA GPU acceleration
      - Export to ATLAS.ti, MAXQDA and NVivo compatible formats
      - Command-line interface for headless pipelines
    documentation: "https://github.com/aTrainTranscription/aTrain/blob/main/docs/README.md"
    screenshots:
      - share/screenshots/screenshot_1.png
      - share/screenshots/screenshot_2.png
      - share/screenshots/screenshot_3.png
      - share/screenshots/screenshot_4.png
      - share/screenshots/screenshot_5.png
  de:
    localisedName: aTrain
    shortDescription: >-
      Offline und DSGVO-konforme Transkription von Sprachaufnahmen mit
      lokalen Whisper-Machine-Learning-Modellen.
    longDescription: >
      aTrain transkribiert Sprachaufnahmen automatisch mit modernen
      Machine-Learning-Modellen, ohne dass Daten hochgeladen werden.
      Entwickelt wurde die Software von Forschenden am Center for Data Science in Business and Society
      der Universität Graz und getestet von Forschenden am
      Know-Center Graz.


      Die gesamte Verarbeitung läuft vollständig offline auf dem eigenen Gerät.
      Weder Aufnahmen noch Transkriptionen werden ins Internet übertragen. Das
      hilft Forschenden, Datenschutzanforderungen aus ethischen Richtlinien zu
      erfüllen und rechtliche Vorgaben wie die DSGVO einzuhalten.


      aTrain bietet eine benutzerfreundliche Oberfläche für die
      faster-whisper-Implementierung des Whisper-Modells von OpenAI und liefert
      hohe Transkriptionsqualität in 99 Sprachen. Ein optionaler
      Sprechererkennungsmodus auf Basis von pyannote.audio ordnet jedem
      Textabschnitt eine sprechende Person zu. Die Transkripte lassen sich
      direkt in die gängigen Werkzeuge zur qualitativen Analyse importieren,
      ATLAS.ti, MAXQDA und NVivo. Per Klick auf einen Zeitstempel wird das
      zugehörige Audio abgespielt.


      aTrain läuft auf der CPU oder, für eine deutliche Beschleunigung, auf
      einer CUDA-fähigen NVIDIA-GPU. Die Software wird über Flathub für Linux
      und den Microsoft Store für Windows bereitgestellt und ist zusätzlich als
      Kommandozeilen-Werkzeug für automatisierte Transkriptions-Pipelines
      installierbar.
    features:
      - Automatische Offline-Transkription (Sprache zu Text)
      - Sprechererkennung und Diarisierung
      - Transkription in 99 Sprachen
      - DSGVO-konforme, vollständig lokale Verarbeitung
      - Optionale CUDA-GPU-Beschleunigung
      - Export in ATLAS.ti-, MAXQDA- und NVivo-kompatible Formate
      - Kommandozeilen-Schnittstelle für Headless-Pipelines
    documentation: "https://github.com/aTrainTranscription/aTrain/blob/main/docs/README.md"
    screenshots:
      - share/screenshots/screenshot_1.png
      - share/screenshots/screenshot_2.png
      - share/screenshots/screenshot_3.png
      - share/screenshots/screenshot_4.png
      - share/screenshots/screenshot_5.png

legal:
  license: AGPL-3.0-or-later
  mainCopyrightOwner: Jürgen Fleiß

maintenance:
  type: community
  contacts:
    - name: Jürgen Fleiß
      email: "juergen.fleiss@uni-graz.at"
      affiliation: University of Graz
    - name: Armin Haberl
      email: "armin.haberl@uni-graz.at"
      affiliation: University of Graz

localisation:
  localisationReady: false
  availableLanguages:
    - en

dependsOn:
  hardware:
    - name: NVIDIA CUDA-capable GPU
      optional: true