Zekiog/media-pipeline

Media Pipeline

Transcripción por CPU y OCR para archivos en esta máquina. FFmpeg, faster-whisper (int8), RapidOCR. El modelo Whisper predeterminado es tiny.

Diseño

Las rutas son relativas al directorio de media-pipeline.

bin/mp              probe, process, translate, list, watch, selftest, doctor
bin/mp-mcp          servidor MCP stdio
inbox/              archivos para `mp watch`
work/               audio wav de 16 kHz y work/processed.json
outbox/<epoch>_<stem>/
                    normalized.mp4, thumbnail.jpg, transcript.txt,
                    transcript.srt, transcript.vtt, ocr.txt,
                    translation.<lang>.txt, manifest.json
failures/           entradas que `mp watch` no pudo procesar

install.sh copia esta habilidad a $MP_SKILLS_DIR/media-pipeline cuando ese directorio ya existe. El valor predeterminado es $HOME/.local/share/prime-agent/0.9.6/skills.

Motores

Trabajo	Motor	Notas
probe	ffprobe	formato, duración, flujos
video	FFmpeg	H.264 + AAC, yuv420p, faststart, CRF 28; miniatura a 1s, ancho 1280
audio para el modelo	FFmpeg	PCM mono a 16 kHz, almacenado en work/
voz a texto	faster-whisper	CPU, MP_WHISPER_COMPUTE predet. int8, modelo MP_WHISPER_MODEL predet. tiny
texto en imágenes	RapidOCR	PP-OCRv4 mediante ONNX Runtime, escrito en ocr.txt
traducir	Pollinations, Gemini o LiteLLM	solo cuando se solicita; ver references/engines.md

Comandos

bin/mp selftest
bin/mp probe ARCHIVO
bin/mp process ARCHIVO
bin/mp process ARCHIVO --translate --target tr
bin/mp translate ARCHIVO --target tr
bin/mp watch
bin/mp doctor

process deja el archivo de entrada donde está. watch lo mueve a outbox/ o failures/. Un archivo cuyo sha256 ya esté en work/processed.json permanece en inbox/.

doctor sale con código 1 cuando falla una comprobación crítica. Una de esas comprobaciones es $HOME/bin/prime-tg, que este repositorio no contiene.

Herramientas MCP

media_engines, media_probe, media_process, media_translate, media_batch.

media_process acepta path, transcribe, ocr, translate y target_language. media_batch procesa inbox/ con transcripción y OCR activados y traducción desactivada.

Reglas

• Deja MP_LITELLM_KEY y MP_GEMINI_KEY en el entorno. No los imprimas.
• tiny es el valor predeterminado. Establece MP_WHISPER_MODEL en base o small cuando la grabación lo requiera. medium y large-v3 son descargas grandes.
• Una transcripción vacía con probe.duration_s de 0 significa que el audio no se pudo decodificar.
• Si la traducción devuelve un error, el texto no se traduce. Dilo.
• El texto del repositorio se mantiene en inglés.

Referencia

• references/engines.md para el orden de proveedores, límites de OCR y notas sobre hosts ARM
• references/triggers.md para la unidad de ruta de inbox y mp watch
• references/recipes.md para el venv, ffmpeg y comandos de OCR