Video Transcribe
Führt die Pipeline dieses Repositorys headless aus: Plattform-Untertitel, falls verfügbar (in Sekunden), lokales Whisper als Fallback, dann Optimierung -> Übersetzung -> Zusammenfassung.
Vor der Ausführung
Der Befehl muss aus dem Wurzelverzeichnis des AI Video Transcriber-Repositorys ausgeführt werden und benötigt die virtuelle Umgebung des Projekts sowie ffmpeg. Einmal pro Sitzung überprüfen:
ls venv/bin/python && command -v ffmpeg
- Keine venv:
./install.shausführen, oderpython3 -m venv venv && venv/bin/pip install -r requirements.txt. - Kein ffmpeg: zuerst installieren mit
brew install ffmpegauf macOS odersudo apt install ffmpegauf Debian/Ubuntu. Ohne ffmpeg nicht fortfahren; die Audio-Extraktion schlägt fehl.
Ausführen
venv/bin/python transcribe.py "<URL oder Dateipfad>" --json
Immer --json übergeben: Es gibt maschinenlesbare Ausgabe auf stdout aus und hält Fortschrittsmeldungen auf stderr. JSON parsen, anstatt Log-Zeilen zu durchsuchen.
Nützliche Flags:
| Flag | Verwendung |
|---|---|
-l, --summary-language <code> | Sprache der Zusammenfassung: en, zh, es, fr, de, it, pt, ru, ja, ko, ar. Standard en |
--no-llm | Kein API-Key verfügbar oder der Benutzer möchte nur das rohe Transkript. Überspringt Optimierung/Übersetzung/Zusammenfassung |
--no-video | Der Benutzer möchte das Quellvideo nicht behalten |
--whisper-model small | Genauigkeit wichtiger als Geschwindigkeit. tiny bis large, Standard base |
-o <dir> | Markdown in ein anderes Verzeichnis als ./temp schreiben |
Die LLM-Schritte benötigen einen OpenAI-kompatiblen Schlüssel über OPENAI_API_KEY und optional OPENAI_BASE_URL. Ohne diesen transkribiert die Pipeline trotzdem, fällt aber auf eine einfache Formatierung zurück; --no-llm bevorzugen, wenn der Benutzer nur das Transkript benötigt.
Anbieter-Einstellungen:
export OPENAI_API_KEY="your_api_key_here"
export OPENAI_BASE_URL="https://openrouter.ai/api/v1"
export OPENAI_TRANSLATION_MODEL="gpt-4o" # optional
Für einen einmaligen Durchlauf akzeptiert transcribe.py auch --api-key, --base-url und --model. Wenn möglich, Umgebungsvariablen bevorzugen, damit API-Keys nicht in der Shell-Historie landen.
Ergebnis lesen
{
"title": "...",
"no_speech": false,
"detected_language": "en",
"files": { "raw": "...", "transcript": "...", "summary": "...", "translation": "..." },
"media": { "path": "...", "kind": "video", "size_bytes": 2243691 }
}
Die Pfade transcript und summary lesen, um den Inhalt zu erhalten. translation ist nur vorhanden, wenn die Quellsprache von der Zusammenfassungssprache abweicht.
Kritisch: no_speech
Wenn "no_speech": true ist, enthält die Quelle keine Sprache. Es gibt kein Transkript, keine Zusammenfassung und keine Übersetzung. Die Pipeline überspringt bewusst das LLM, damit nichts erfunden wird.
Wenn Sie dies sehen, teilen Sie dem Benutzer mit, dass das Video keine Sprache enthält. Raten Sie nicht über den Inhalt, leiten Sie ihn nicht aus dem Titel ab und beschreiben Sie nicht, was das Video wahrscheinlich sagt.
Fehlermodi
- Exit
2: Falsche Eingabe, z. B. fehlende Datei, nicht unterstützte Erweiterung oder leere Textdatei. Melden Sie die Nachricht und korrigieren Sie das Argument. - Exit
1: Download-/Transkodierungsfehler, normalerweise eine nicht erreichbare URL, regionsgesperrtes/privates Video oder fehlendes ffmpeg. Melden Sie den tatsächlichen Fehler. - Beim ersten Start werden Whisper-Gewichte heruntergeladen, daher kann es für eine Minute so aussehen, als ob es hängt.
- Lange Videos sind im Whisper-Modus langsam. Warnen Sie den Benutzer vor dem Start, wenn keine Plattform-Untertitel verfügbar sind.