Video transkribieren
Transkribiert jede Video-/Audiodatei lokal mit einem gebündelten whisper.cpp-Dienst. Kein externes Projekt oder Cloud-API. Liefert Wort-Zeitstempel (notwendig für synchronisierte Overlays/Untertitel).
Wann verwenden
- „Dieses Clip / Video / Audio transkribieren“, „hol mir ein Transkript mit Zeitstempeln“.
- Als Unteraufgabe von
/produce-video.
Wie es läuft
Alles wird durch den gebündelten Runner gesteuert – nie den Benutzer bitten, Docker zu verwalten:
node scripts/transcribe.mjs <pfad-zu-video-oder-audio> [--out <verz>] [--port 9111] [--language de] [--no-word-ts] [--task transcribe|translate]
node scripts/transcribe.mjs --stop # warmen Container stoppen
Der Runner:
- Prüft, ob der Docker-Daemon erreichbar ist (schlägt laut fehl mit Anleitung, falls nicht).
- Baut das
transcribe-video-whisper-Image ausassets/whisper-service/, falls es fehlt (erster Build ist langsam: es kompiliert whisper.cpp und bäckt dasggml-base.en.bin-Modell ein). - Startet den
transcribe-video-whisper-Container (Host-Port 9111 → Container 9001); verwendet ihn erneut, wenn er bereits läuft, startet ihn mitdocker start, falls er gestoppt ist. - Wartet, bis
GET /healthzOK meldet. - Extrahiert mit lokaler ffmpeg ein 16-kHz-Mono-WAV aus der Eingabe (whisper.cpp dekodiert nur WAV) und sendet es per POST an
/transcribemitword_ts=true. - Schreibt
transcript.txt,transcript.srt,transcript.words.jsonin das mit--outangegebene Verzeichnis (Standard: Verzeichnis der Eingabedatei) und gibt eine JSON-Ergebniszeile auf stdout aus.
Ausgaben
transcript.txt— reiner Text.transcript.srt— Untertiteltext.transcript.words.json—[{ "word", "start", "end" }], Sekunden, zeitlich geordnet. Dies ist die Synchronisationsquelle für Overlays/Untertitel.
stdout-Ergebniszeile (für programmatische Aufrufer wie /produce-video):
{ "ok": true, "outDir": "...", "wordCount": 38, "segmentCount": 2, "files": { "txt": "transcript.txt", "srt": "transcript.srt", "words": "transcript.words.json" } }
Anforderungen
- Docker ist ERFORDERLICH — der Whisper-Dienst läuft in einem Container, daher muss Docker Desktop installiert UND ausgeführt werden. Der Runner prüft dies zuerst und schlägt laut fehl mit Installations-/Startanleitung, wenn Docker fehlt oder der Daemon nicht läuft; es gibt keinen Nicht-Docker-Fallback.
- ffmpeg ist ERFORDERLICH (wird verwendet, um ein 16-kHz-Mono-WAV für Whisper zu extrahieren) — der Runner prüft dies vorab und schlägt laut fehl, wenn es nicht im PATH ist.
- Node ≥ 22.
Hinweise
- Der Container bleibt am Laufen (
--restart unless-stopped) für warme Wiederverwendung; stoppen mit--stop. - Wenn Wort-Zeitstempel angefordert werden, aber keine zurückkommen, schlägt der Runner laut fehl (Overlay-Synchronisation ist darauf angewiesen).
- Siehe
references/für den Docker-Lebenszyklus, die API-Struktur und die Quellenangaben der eingebundenen Komponenten.