Interfaz de línea de comandos

Audiotext también se puede usar desde la línea de comandos, p. ej. para transcribir desde scripts. Tiene tres comandos:

• transcribe: transcribe un archivo, los archivos de una carpeta o un vídeo de YouTube.
• watch: transcribe los archivos que se añaden a una carpeta hasta que se detiene con Ctrl+C.
• check-update: comprueba si hay una versión nueva y muestra el enlace para descargarla.

Las opciones que no se indican toman los valores configurados en la aplicación. Las transcripciones siempre se guardan junto a cada archivo transcrito, o en la carpeta indicada con --output-dir (donde se recrean las subcarpetas de una carpeta transcrita).

Ejecútala

La aplicación instalada ejecuta la línea de comandos cuando recibe uno de sus comandos:

Sistema	Comando
Linux	audiotext (instalado en ~/.local/bin por install.sh)
macOS	/Applications/Audiotext.app/Contents/MacOS/Audiotext
Windows	audiotext-cli.exe, en la carpeta donde está instalado Audiotext (%LOCALAPPDATA%\Programs\Audiotext por defecto)

Si la ejecutas desde el código fuente, ejecuta uv run src/cli.py en su lugar.

Ejemplos

# Transcribe un archivo. El texto también se imprime, así que se puede redirigir
audiotext transcribe interview.mp3 --language es --output-types txt,srt

# Transcribe los archivos de una carpeta identificando a los hablantes
audiotext transcribe recordings/ --diarize --speakers 2 --output-dir transcriptions/

# Transcribe un vídeo de YouTube con la API de Whisper
audiotext transcribe "https://www.youtube.com/watch?v=…" --method whisper-api

# Transcribe una reunión con la API de Whisper, con sus palabras clave y su contexto
audiotext transcribe meeting.m4a --method whisper-api \
    --openai-model gpt-transcribe --keywords "Audiotext, WhisperX" \
    --prompt "Una reunión sobre la próxima versión"

# Guarda los subtítulos y un documento de Word, lo resume y lo traduce al inglés
audiotext transcribe talk.mp4 --output-types srt,docx --summarize --translate-to en

# Transcribe los archivos que se añaden a una carpeta hasta detenerlo con Ctrl+C
audiotext watch inbox/ --output-types srt

# Lo mismo, transcribiendo primero los archivos que ya contiene
audiotext watch inbox/ --existing

Opciones

Opción	Descripción
-m, --method	Método de transcripción: whisperx, whisper-api o google
-l, --language	Idioma del audio como código ISO 639-1 (p. ej. es), o auto para detectarlo (no compatible con Google)
-t, --output-types	Tipos de archivo de salida separados por comas, de entre aud, json, srt, txt, tsv, vtt, md, docx y ass (p. ej. txt,srt,md)
-o, --output-dir	Carpeta donde se guardan las transcripciones (por defecto: junto a cada archivo transcrito)
--overwrite	Volver a transcribir los archivos que ya tienen una transcripción, reemplazándola
--existing	(solo watch) Transcribir primero los archivos que ya contiene la carpeta y que aún no tienen transcripción
-p, --prompt	De qué trata el audio, como su tema o su contexto (no compatible con Google)
-k, --keywords	Nombres, términos o siglas que se dicen en el audio, separados por comas, para que se escriban bien (no compatible con Google)
--translate	Traducir el audio al inglés mientras se transcribe (no compatible con Google). Consulta --translate-to para otros idiomas
-q, --quiet	Imprimir solo los errores
-v, --verbose	Imprimir los registros para depurar errores
--version	Imprimir la versión de Audiotext

Los tipos de salida que el método de transcripción no guarda por sí mismo (p. ej. md o docx) se exportan a partir de su resultado, como desde la aplicación. aud solo lo guarda WhisperX.

Opciones de resumen y traducción

Opción	Descripción
--summarize	Resumir cada transcripción, con sus puntos clave y sus capítulos, en un archivo .summary.md
--summary-provider	Proveedor del modelo de lenguaje que resume: openai, anthropic, deepseek, gemini, mistral, grok u ollama
--summary-model	Modelo de lenguaje que resume
--translate-to	Traducir cada transcripción a un idioma (un código ISO 639-1), que se guarda en sus tipos de archivo de salida (p. ej. talk.es.srt)
--translation-provider	Proveedor de las traducciones: los de --summary-provider, deepl o google
--translation-model	Modelo de lenguaje que traduce, para los proveedores de modelos de lenguaje

Los proveedores y los modelos son los configurados en la aplicación salvo que se indiquen. Consulta Proveedores.

Opciones de WhisperX

Opción	Descripción
--diarize	Identificar a los hablantes
--speakers	Número de hablantes al identificarlos (0 para detectarlo)
--model-size	Modelo, p. ej. small o large-v2 (consulta Motores)
--compute-type	int8, float16 o float32
--batch-size	Tamaño de lote
--cpu	Ejecutar en la CPU, en lugar de en una GPU NVIDIA o en la GPU de un Mac

Opciones de la API de Whisper

Opción	Descripción
--openai-model	Modelo de transcripción: whisper-1, gpt-transcribe o gpt-4o-transcribe-diarize

Ejecuta audiotext transcribe --help para ver todas las opciones y sus valores.

Salida y código de salida

El progreso se imprime en la salida de error estándar (ocúltalo con --quiet), y el texto de la transcripción de un único archivo en la salida estándar. El comando termina con el código 1 si falla una transcripción, un resumen o una traducción, y con 130 si se detiene con Ctrl+C.

Si no está configurada la clave de API del proveedor de --summarize o --translate-to, el comando se detiene antes de transcribir. Un resumen o una traducción que falla se informa sin perder la transcripción, que se guarda igualmente.

Las claves de API son las configuradas en la aplicación, o sus variables de entorno, como OPENAI_API_KEY, GOOGLE_API_KEY y HF_TOKEN (para identificar a los hablantes).