Moin!
Mir ist neulich aufgefallen, dass wir in Audacity zwischen Labels und einer Whisper-transskriptions-integration im Prinzip schon die Grundbausteine haben, um textbasiertes Editieren zu ermöglichen - ähnlich descript. Das ganze wäre mit 500MB-3GB (je nach STT-modell) sogar einigermaßen einfach lokal installierbar.
Ich wollt darum einmal in die Runde fragen: Ist das was, was ihr verwenden würdet? Verwendet jemand vielleicht schon descript und weiß schon, womit dieser Kram Probleme macht?
Ich persönlich habe dafür keinen Anwendungsfall, aber mit audapolis gibt es schon den Ansatz, textbasierten Audioschnitt mittels freier Software umzusetzen.
Ah, danke für den Tipp. Letzter commit ist leider schon 2 Jahre her, scheint also so zu sein, dass das nicht weiter verfolgt wird… schade…
Textbasiertes Editieren fände ich richtig gut, dafür hätte ich auf jeden Fall einen use case. Allein, um bestimmte Stellen erst einmal zu finden, wäre das für mich sehr hilfreich.
Moin zusammen! 
Ich habe mich mal intensiver mit Whisper und Audacity beschäftigt, um textbasiertes Editieren zu testen. 
Whisper kann sehr präzise Transkriptionen erstellen – sogar offline und kostenlos.
Ich habe ein Skript erstellt, das die Whisper-Transkription als Audacity-Labels speichert. Damit sieht man direkt im Audio Schnittmarken, die auf Whisper-Segmente basieren.
Das spart eine Menge Zeit beim Schneiden, weil man schneller zu den relevanten Stellen springen kann.
Falls jemand Interesse hat, das selbst zu testen oder Unterstützung braucht, kann ich gerne helfen. 
Ich überlege auch, das Skript noch so anzupassen, dass es nur „Ähms“ oder Füllwörter, wie „genau“ markiert.
Full-Version mit allem Pipapo hat mich 2,6 GB gekostet. Aus meiner Sicht ausreichend schlank.
Liebe Grüße - Doreen