Bachelor's Thesis

Adaptation and deployment of automatic speech transcriber as container in Umbrel / Start9

Final Thesis 8.27 MB

Author of thesis: Bc. Daniel Dedek

Acad. year: 2025/2026

Supervisor: Ing. Igor Szőke, Ph.D.

Reviewer: Ing. Petr Schwarz, Ph.D.

Abstract:

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:

automatic speech recognition, speech-to-text, web application, Flask, Python, Whisper, NVIDIA NeMo, ASR models, audio processing, Umbrel

Date of defence

16.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaBznamka

Grading

B

Process of defence

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B.

Topics for thesis defence

  1. Je Umbrel veřejná platforma?
  2. V čem je platforma Umbrel výhodná? Jak funguje?
  3. Jak by uživatel nainstaloval vaší aplikaci?
  4. Kdo jsou uživatelé vaší aplikace?
  5. Jak jste pracoval s modely?

Language of thesis

Czech

Faculty

Fakulta informačních technologií

Department

Department of Computer Graphics and Multimedia

Study programme

Information Technology (BIT)

Composition of Committee

doc. Ing. Lukáš Burget, Ph.D. (předseda)
doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda)
Ing. Libor Polčák, Ph.D. (člen)
Ing. Michal Hradiš, Ph.D. (člen)
Ing. Martin Žádník, Ph.D. (člen)

Supervisor’s report
Ing. Igor Szőke, Ph.D.

Celkově hodnotím aktivitu studenta velmi dobře. Student k řešení přistupoval zodpovědně a pracoval průběžně.

Evaluation criteria Verbal classification
Information about assignment

Jedná se o průměrně obtížné zadání s dostatkem prostoru pro možné rozšíření. Zadání bylo splněno s vyjimkou adaptace (její implementace na RPi by neměla zásadní přínos). Student se návrhu a implementace podle mého názoru zhostil dobře. Vytvořený nástroj by mohl být použitelný v rámci Umbrel komunity.
Work with literature

Student literaturu získával samostatně a aktivně.
Activity during solution, consultations, communication

Student po celý akademický rok chodil na konzultace pravidelně (jednou za 2 týdny). Na konzultace byl vždy připraven a předvedl pokrok při řešení. Návrhy vedoucího na úpravy řešení byly většinou reflektovány.
Activity during completion

Aktivita při dokončování nebyla pod stresem. Text byl dodán ke kontrole včas. Vedoucím byly doporučeny dílčí úpravy struktury a jazyková kontrola.
Publication activity, awards

Kód je zveřejněn na GitHub.
Points proposed by supervisor: 85

Grade proposed by supervisor: B

Reviewer’s report
Ing. Petr Schwarz, Ph.D.

Zadání bylo splněno. Programové řešení je na dobré úrovni, testováno a dokumentováno. Programové řešení je použitelné v praxi. Jedná se o průměrně obtížné zadání. V technické zprávě nejsou odkazy na všechny zmiňované a podobné aplikace, služby, toolkity a modely.

Evaluation criteria Verbal classification Points
The difficulty of the assignment

Evaluation level: moderately difficult assignment

Cílem práce bylo vyzvožit webovou cient-server aplikaci pro přepis řeči z nahraných souborů. Aplikace využívá existující komponenty (přepis řeči).
Presentation level of the technical report

V technické zprávě je vše potřebné. Jednotlivé kapitoly na sebe navazují a jsou vyvážené. Některé informace jsou ve zprávě opakovány. 

 80
Formal preparation of a technical report

Typografická a jazyková stránka jsou na rozumné úrovni a nijak nenarušují čtivost textu.

 80
Realisation output

Programové řešení je na dobré úrovni, testováno a dokumentováno.

 80
Usability of results

Výsledky jsou využitelné v praxi.
The extent to which the requirements of the assignment have been met

Evaluation level: assignment fulfilled

Zadání bylo plne splněno.
Extent of the technical report

Evaluation level: is within the usual extent

Rozsah technické zprávy je v obvyklém rozmezí.
Work with literature

Relevantní literatura je uvedena, V kapitole 3. chybí odkazy na podobné aplikace, služby, toolkity a modely. Jsou pouze vyjmenovány a popsány. V úvodu a v závěru jsou odkazy uvedeny v textu. Je potřeba si dát pozor na typografii citací: věta.[X] -> věta [x].

 65
Points proposed by reviewer: 80

Grade proposed by reviewer: B

Responsibility: Mgr. et Mgr. Hana Odstrčilová