Kommandozeile

Audiotext lässt sich auch über die Kommandozeile verwenden, z. B. um aus Skripten zu transkribieren. Es gibt drei Befehle:

• transcribe: transkribiert eine Datei, die Dateien eines Ordners oder ein YouTube-Video.
• watch: transkribiert die Dateien, die einem Ordner hinzugefügt werden, bis er mit Strg+C beendet wird.
• check-update: prüft, ob eine neue Version verfügbar ist, und gibt den Link zum Herunterladen aus.

Nicht angegebene Optionen übernehmen die in der App eingestellten Werte. Die Transkriptionen werden immer neben jeder transkribierten Datei gespeichert oder in dem mit --output-dir angegebenen Ordner (in dem die Unterordner eines transkribierten Ordners nachgebildet werden).

Ausführen

Die installierte App führt die Kommandozeile aus, wenn sie einen ihrer Befehle erhält:

System	Befehl
Linux	audiotext (von install.sh in ~/.local/bin installiert)
macOS	/Applications/Audiotext.app/Contents/MacOS/Audiotext
Windows	audiotext-cli.exe im Installationsordner von Audiotext (standardmäßig %LOCALAPPDATA%\Programs\Audiotext)

Wenn Sie es aus dem Quellcode ausführen, verwenden Sie stattdessen uv run src/cli.py.

Beispiele

# Eine Datei transkribieren. Der Text wird auch ausgegeben und lässt sich umleiten
audiotext transcribe interview.mp3 --language es --output-types txt,srt

# Die Dateien eines Ordners transkribieren und die Sprecher erkennen
audiotext transcribe recordings/ --diarize --speakers 2 --output-dir transcriptions/

# Ein YouTube-Video mit der Whisper-API transkribieren
audiotext transcribe "https://www.youtube.com/watch?v=…" --method whisper-api

# Ein Meeting mit der Whisper-API transkribieren, mit Schlüsselwörtern und Kontext
audiotext transcribe meeting.m4a --method whisper-api \
    --openai-model gpt-transcribe --keywords "Audiotext, WhisperX" \
    --prompt "Ein Meeting über die nächste Version"

# Untertitel und ein Word-Dokument speichern, zusammenfassen und ins Spanische übersetzen
audiotext transcribe talk.mp4 --output-types srt,docx --summarize --translate-to es

# Die einem Ordner hinzugefügten Dateien transkribieren, bis mit Strg+C beendet
audiotext watch inbox/ --output-types srt

# Dasselbe, wobei zuerst die bereits vorhandenen Dateien transkribiert werden
audiotext watch inbox/ --existing

Optionen

Option	Beschreibung
-m, --method	Transkriptionsmethode: whisperx, whisper-api oder google
-l, --language	Sprache des Audios als ISO-639-1-Code (z. B. de) oder auto zur Erkennung (nicht mit Google)
-t, --output-types	Durch Kommas getrennte Ausgabedateitypen aus aud, json, srt, txt, tsv, vtt, md, docx und ass (z. B. txt,srt,md)
-o, --output-dir	Ordner, in dem die Transkriptionen gespeichert werden (Standard: neben jeder transkribierten Datei)
--overwrite	Dateien, die bereits eine Transkription haben, erneut transkribieren und sie ersetzen
--existing	(nur watch) Zuerst die Dateien transkribieren, die der Ordner bereits enthält und die noch keine Transkription haben
-p, --prompt	Worum es im Audio geht, etwa Thema oder Rahmen (nicht mit Google)
-k, --keywords	Durch Kommas getrennte Namen, Begriffe oder Abkürzungen aus dem Audio, damit sie richtig geschrieben werden (nicht mit Google)
--translate	Das Audio beim Transkribieren ins Englische übersetzen (nicht mit Google). Für andere Sprachen siehe --translate-to
-q, --quiet	Nur Fehler ausgeben
-v, --verbose	Protokolle zur Fehlersuche ausgeben
--version	Die Version von Audiotext ausgeben

Ausgabetypen, die die Transkriptionsmethode nicht selbst speichert (z. B. md oder docx), werden wie in der App aus ihrem Ergebnis exportiert. aud speichert nur WhisperX.

Optionen für Zusammenfassung und Übersetzung

Option	Beschreibung
--summarize	Jede Transkription mit Kernpunkten und Kapiteln in einer .summary.md-Datei zusammenfassen
--summary-provider	Anbieter des Sprachmodells, das zusammenfasst: openai, anthropic, deepseek, gemini, mistral, grok oder ollama
--summary-model	Sprachmodell, das zusammenfasst
--translate-to	Jede Transkription in eine Sprache (ein ISO-639-1-Code) übersetzen, gespeichert in ihren Ausgabedateitypen (z. B. talk.es.srt)
--translation-provider	Anbieter der Übersetzungen: die von --summary-provider, deepl oder google
--translation-model	Sprachmodell, das übersetzt, für die Anbieter von Sprachmodellen

Ohne Angabe werden die in der App eingestellten Anbieter und Modelle verwendet. Siehe Anbieter.

WhisperX-Optionen

Option	Beschreibung
--diarize	Sprecher erkennen
--speakers	Anzahl der Sprecher beim Erkennen (0 zur automatischen Erkennung)
--model-size	Modell, z. B. small oder large-v2 (siehe Engines)
--compute-type	int8, float16 oder float32
--batch-size	Batchgröße
--cpu	Auf der CPU ausführen statt auf einer NVIDIA-GPU oder der GPU eines Macs

Whisper-API-Optionen

Option	Beschreibung
--openai-model	Transkriptionsmodell: whisper-1, gpt-transcribe oder gpt-4o-transcribe-diarize

Führen Sie audiotext transcribe --help aus, um alle Optionen und ihre Werte zu sehen.

Ausgabe und Exit-Code

Der Fortschritt wird auf die Standardfehlerausgabe geschrieben (mit --quiet ausblenden), der Text der Transkription einer einzelnen Datei auf die Standardausgabe. Der Befehl endet mit Code 1, wenn eine Transkription, eine Zusammenfassung oder eine Übersetzung fehlschlägt, und mit 130, wenn er mit Strg+C beendet wird.

Ist der API-Schlüssel des Anbieters von --summarize oder --translate-to nicht gesetzt, bricht der Befehl vor dem Transkribieren ab. Eine fehlgeschlagene Zusammenfassung oder Übersetzung wird gemeldet, ohne dass die Transkription verloren geht; sie wird trotzdem gespeichert.

Die API-Schlüssel sind die in der App festgelegten oder ihre Umgebungsvariablen, etwa OPENAI_API_KEY, GOOGLE_API_KEY und HF_TOKEN (zum Erkennen der Sprecher).