Transcription Vidéo
Exécute le pipeline de ce dépôt en mode headless : sous-titres de la plateforme lorsqu'ils sont disponibles (en secondes), Whisper local comme solution de repli, puis optimisation -> traduction -> résumé.
Avant l'exécution
La commande doit être exécutée depuis la racine du dépôt AI Video Transcriber et nécessite le
virtualenv du projet ainsi que ffmpeg. Vérifiez une fois par session :
ls venv/bin/python && command -v ffmpeg
- Pas de venv : exécutez
./install.sh, oupython3 -m venv venv && venv/bin/pip install -r requirements.txt. - Pas de ffmpeg : installez-le d'abord avec
brew install ffmpegsur macOS ousudo apt install ffmpegsur Debian/Ubuntu. Ne continuez pas sans cela ; l'extraction audio échouera.
Exécution
venv/bin/python transcribe.py "<URL ou chemin du fichier>" --json
Toujours utiliser --json : cela place la sortie lisible par machine sur stdout et garde les
messages de progression sur stderr. Analysez le JSON plutôt que de gratter les lignes de log.
Drapeaux utiles :
| Drapeau | Quand l'utiliser |
|---|---|
-l, --summary-language <code> | Langue du résumé : en, zh, es, fr, de, it, pt, ru, ja, ko, ar. Par défaut en |
--no-llm | Aucune clé API disponible, ou l'utilisateur souhaite uniquement la transcription brute. Ignore l'optimisation/la traduction/le résumé |
--no-video | L'utilisateur ne souhaite pas conserver la vidéo source |
--whisper-model small | La précision prime sur la vitesse. tiny à large, par défaut base |
-o <dir> | Écrire le Markdown ailleurs que dans ./temp |
Les étapes LLM nécessitent une clé compatible OpenAI via OPENAI_API_KEY et éventuellement
OPENAI_BASE_URL. Sans clé, le pipeline transcrit toujours mais se rabat sur un formatage basique ;
préférez --no-llm lorsque l'utilisateur a uniquement besoin de la transcription.
Paramètres du fournisseur :
export OPENAI_API_KEY="votre_cle_api_ici"
export OPENAI_BASE_URL="https://openrouter.ai/api/v1"
export OPENAI_TRANSLATION_MODEL="gpt-4o" # optionnel
Pour une exécution ponctuelle, transcribe.py accepte aussi --api-key, --base-url, et
--model. Préférez les variables d'environnement lorsque c'est possible afin que les clés API ne soient pas
écrites dans l'historique du shell.
Lecture du résultat
{
"title": "...",
"no_speech": false,
"detected_language": "en",
"files": { "raw": "...", "transcript": "...", "summary": "...", "translation": "..." },
"media": { "path": "...", "kind": "video", "size_bytes": 2243691 }
}
Lisez les chemins transcript et summary pour obtenir le contenu. translation n'est
présent que lorsque la langue source diffère de la langue du résumé.
Critique : no_speech
Lorsque "no_speech": true, la source ne contient pas de parole. Il n'y a pas de transcription,
résumé ou traduction. Le pipeline saute délibérément le LLM pour éviter toute invention.
Si vous voyez cela, dites à l'utilisateur que la vidéo ne contient pas de parole. Ne devinez pas le contenu, ne l'inférez pas à partir du titre, et ne décrivez pas ce que la vidéo dit probablement.
Modes d'échec
- Code de sortie
2: mauvaise entrée, par exemple un fichier manquant, une extension non prise en charge ou un fichier texte vide. Signalez le message et corrigez l'argument. - Code de sortie
1: échec de téléchargement/transcodage, généralement une URL inaccessible, une vidéo bloquée par région/privée, ou un ffmpeg manquant. Signalez l'erreur réelle. - La première exécution télécharge les poids de Whisper, elle peut donc sembler bloquée pendant une minute.
- Les longues vidéos sont lentes en mode Whisper. Avertissez l'utilisateur avant de commencer si aucun sous-titre de la plateforme n'est disponible.