Que fait Transcrire une vidéo ?
Transcrit n'importe quel fichier vidéo/audio localement à l'aide d'un service whisper.cpp embarqué. Aucun projet externe ni API cloud. Renvoie des horodatages mot par mot (nécessaires pour les superpositions/sous-titres synchronisés).
Quand l'utiliser
- « Transcris ce clip / vidéo / audio », « donne-moi une transcription avec horodatages ».
- Comme sous-étape de
/produce-video.
Comment ça s'exécute
Tout est piloté par le lanceur embarqué — ne demandez jamais à l'utilisateur de gérer Docker :
node scripts/transcribe.mjs <chemin-vers-la-vidéo-ou-audio> [--out <dossier>] [--port 9111] [--language en] [--no-word-ts] [--task transcribe|translate]
node scripts/transcribe.mjs --stop # arrêter le conteneur chaud
Le lanceur :
- Vérifie que le démon Docker est accessible (échec bruyant avec conseils si ce n'est pas le cas).
- Construit l'image
transcribe-video-whisperdepuisassets/whisper-service/si elle est manquante (la première construction est lente : elle compile whisper.cpp et intègre le modèleggml-base.en.bin). - Démarre le conteneur
transcribe-video-whisper(port hôte 9111 → conteneur 9001) ; le réutilise s'il est déjà en cours, exécutedocker starts'il est arrêté. - Attend que
GET /healthzindique ok. - Extrait un WAV mono 16 kHz de l'entrée avec ffmpeg local (whisper.cpp ne décode que le WAV), puis le POST vers
/transcribeavecword_ts=true. - Écrit
transcript.txt,transcript.srt,transcript.words.jsondans--out(par défaut : le dossier du fichier d'entrée) et imprime une ligne JSON de résultat sur stdout.
Résultats
transcript.txt— texte brut.transcript.srt— sous-titres.transcript.words.json—[{ "word", "start", "end" }], en secondes, ordonnés temporellement. C'est la source de synchronisation pour les superpositions/sous-titres.
Ligne de résultat stdout (pour les appelants programmatiques comme /produce-video) :
{ "ok": true, "outDir": "...", "wordCount": 38, "segmentCount": 2, "files": { "txt": "transcript.txt", "srt": "transcript.srt", "words": "transcript.words.json" } }
Prérequis
- Docker est OBLIGATOIRE — le service Whisper s'exécute dans un conteneur, donc Docker Desktop doit être installé ET en cours d'exécution. Le lanceur vérifie cela en premier et échoue bruyamment avec des conseils d'installation/démarrage si Docker est manquant ou son démon arrêté ; il n'y a pas de solution de repli sans Docker.
- ffmpeg est OBLIGATOIRE (utilisé pour extraire un WAV mono 16 kHz pour Whisper) — le lanceur le vérifie au début et échoue bruyamment s'il n'est pas sur le PATH.
- Node ≥ 22.
Notes
- Le conteneur reste en cours d'exécution (
--restart unless-stopped) pour une réutilisation à chaud ; arrêtez-le avec--stop. - Si des horodatages mot par mot sont demandés mais qu'aucun n'est renvoyé, le lanceur échoue bruyamment (la synchronisation des superpositions en dépend).
- Voir
references/pour le cycle de vie Docker, la forme de l'API et la provenance du greffon.