Zekiog/media-pipeline

Media Pipeline

Transcrição e OCR na CPU para arquivos nesta máquina. FFmpeg, faster-whisper (int8), RapidOCR. O modelo Whisper padrão é tiny.

Estrutura

Os caminhos são relativos ao checkout do media-pipeline.

bin/mp              probe, process, translate, list, watch, selftest, doctor
bin/mp-mcp          servidor MCP stdio
inbox/              arquivos para `mp watch`
work/               áudio 16 kHz wav e 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` não conseguiu processar

install.sh copia esta skill para $MP_SKILLS_DIR/media-pipeline quando esse diretório já existe. O padrão é $HOME/.local/share/prime-agent/0.9.6/skills.

Mecanismos

Tarefa	Mecanismo	Notas
probe	ffprobe	formato, duração, fluxos
vídeo	FFmpeg	H.264 + AAC, yuv420p, faststart, CRF 28; miniatura em 1s, largura 1280
áudio para o modelo	FFmpeg	PCM mono de 16 kHz, mantido em work/
fala para texto	faster-whisper	CPU, MP_WHISPER_COMPUTE padrão int8, modelo MP_WHISPER_MODEL padrão tiny
texto em imagem	RapidOCR	PP-OCRv4 via ONNX Runtime, escrito em ocr.txt
traduzir	Pollinations, Gemini ou LiteLLM	apenas quando solicitado; veja references/engines.md

Comandos

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

process deixa o arquivo de entrada onde está. watch move-o para outbox/ ou failures/. Um arquivo cujo sha256 já está em work/processed.json permanece em inbox/.

doctor sai com código 1 quando uma verificação crítica falha. Uma dessas verificações é $HOME/bin/prime-tg, que este repositório não contém.

Ferramentas MCP

media_engines, media_probe, media_process, media_translate, media_batch.

media_process aceita path, transcribe, ocr, translate e target_language. media_batch processa inbox/ com transcrição e OCR ativados e tradução desativada.

Regras

• Mantenha MP_LITELLM_KEY e MP_GEMINI_KEY no ambiente. Não os imprima.
• tiny é o padrão. Defina MP_WHISPER_MODEL para base ou small quando a gravação necessitar. medium e large-v3 são downloads grandes.
• Uma transcrição vazia com probe.duration_s igual a 0 significa que o áudio não foi decodificado.
• Se a tradução retornar um erro, o texto não é traduzido. Informe isso.
• O texto do repositório permanece em inglês.

Referência

• references/engines.md para ordem de provedores, limites de OCR e notas de host ARM
• references/triggers.md para a unidade de caminho da caixa de entrada e mp watch
• references/recipes.md para comandos venv, ffmpeg e OCR