Post by Martin Pfeiffer

(𝘌𝘯𝘨𝘭𝘪𝘴𝘩 𝘵𝘦𝘹𝘵 𝘷𝘦𝘳𝘴𝘪𝘰𝘯 𝘣𝘦𝘭𝘰𝘸) 𝗜𝗻𝗱𝘂𝘀𝘁𝗿𝘆 𝗟𝗮𝗯 𝗲𝗿𝗳𝗼𝗹𝗴𝗿𝗲𝗶𝗰𝗵 𝗮𝗯𝗴𝗲𝘀𝗰𝗵𝗹𝗼𝘀𝘀𝗲𝗻: 𝗢𝗳𝗳𝗹𝗶𝗻𝗲-𝗙𝗶𝗿𝘀𝘁 𝗦𝗽𝗲𝗲𝗰𝗵 𝗧𝗿𝗮𝗻𝘀𝗹𝗮𝘁𝗶𝗼𝗻 𝗣𝗿𝗼𝘁𝗼𝘁𝘆𝗽 Vor zwei Wochen durften wir als Team beim Industry Lab Closing Event an der WU Wien unser Projekt vorstellen – einen offline-first Real-Time Speech Translation Prototypen, entwickelt in Kooperation mit dem ÖBB Business Competence Center. In meiner Rolle als Lead Developer verantwortete ich die technische Umsetzung als konfigurationsgesteuerte Pipeline in Python: • STT: faster-whisper mit deterministischen Einstellungen • MT: Argos Translate (offline) oder ModernMT (optional) • Terminologie & RAG: PostgreSQL-Termstore mit pgvector, semantische Retrieval via Sentence-Transformers (Top-K-Kandidaten) • Post-Editing: LanguageTool-basiert mit strikter Glossar-Policy • TTS: Piper für lokale Synthese Eine wertvolle Lernerfahrung – von ML-Pipeline-Architektur über die Integration verschiedener KI-Komponenten bis zur praktischen Umsetzung. Bedanken möchte ich mich bei Johannes Z. und Stefan Vonblon-Bauer vom ÖBB.BCC für die professionelle Projektbegleitung sowie bei meinem Team – Petra Törkenczy, Anastasia Shardina und Stephan Schöber – für die exzellente Zusammenarbeit. Der Prototyp ist open source verfügbar: https://lnkd.in/ddugTZTt Weitere Details in der Projektbeschreibung auf meinem Profil. __________________________________________________________ 𝗜𝗻𝗱𝘂𝘀𝘁𝗿𝘆 𝗟𝗮𝗯 𝗦𝘂𝗰𝗰𝗲𝘀𝘀𝗳𝘂𝗹𝗹𝘆 𝗖𝗼𝗺𝗽𝗹𝗲𝘁𝗲𝗱: 𝗢𝗳𝗳𝗹𝗶𝗻𝗲-𝗙𝗶𝗿𝘀𝘁 𝗦𝗽𝗲𝗲𝗰𝗵 𝗧𝗿𝗮𝗻𝘀𝗹𝗮𝘁𝗶𝗼𝗻 𝗣𝗿𝗼𝘁𝗼𝘁𝘆𝗽𝗲 Two weeks ago, our team presented our project at the Industry Lab Closing Event at WU Vienna – an offline-first real-time speech translation prototype developed in cooperation with ÖBB Business Competence Center. As Lead Developer, I was responsible for the technical implementation as a configuration-driven Python pipeline: • STT: faster-whisper with deterministic settings • MT: Argos Translate (offline) or ModernMT (optional) • Terminology & RAG: PostgreSQL term store with pgvector, semantic retrieval via Sentence-Transformers (Top-K candidates) • Post-Editing: LanguageTool-based with strict glossary policy • TTS: Piper for local synthesis A valuable learning experience – from ML pipeline architecture and integrating various AI components to practical implementation. I would like to thank Johannes Z. and Stefan Vonblon-Bauer from ÖBB.BCC as well as my team – Petra Törkenczy, Anastasia Shardina, and Stephan Schöber – for the excellent collaboration. The prototype is available as open source: https://lnkd.in/ddugTZTt Further details in the project description on my profile.