Wiersz poleceń

Z Audiotext można też korzystać z wiersza poleceń, np. aby transkrybować ze skryptów. Ma trzy polecenia:

• transcribe: transkrybuje plik, pliki z folderu lub film z YouTube.
• watch: transkrybuje pliki dodawane do folderu, dopóki nie zostanie zatrzymane klawiszami Ctrl+C.
• check-update: sprawdza, czy jest dostępna nowa wersja, i wyświetla link do jej pobrania.

Opcje, których nie podasz, przyjmują wartości ustawione w aplikacji. Transkrypcje są zawsze zapisywane obok każdego transkrybowanego pliku albo w folderze podanym w --output-dir (w którym odtwarzane są podfoldery transkrybowanego folderu).

Uruchamianie

Zainstalowana aplikacja uruchamia wiersz poleceń, gdy otrzyma jedno z jego poleceń:

System	Polecenie
Linux	audiotext (instalowane w ~/.local/bin przez install.sh)
macOS	/Applications/Audiotext.app/Contents/MacOS/Audiotext
Windows	audiotext-cli.exe w folderze instalacji Audiotext (domyślnie %LOCALAPPDATA%\Programs\Audiotext)

Gdy uruchamiasz go z kodu źródłowego, użyj zamiast tego uv run src/cli.py.

Przykłady

# Transkrypcja pliku. Tekst jest też wypisywany, więc można go przekierować
audiotext transcribe interview.mp3 --language es --output-types txt,srt

# Transkrypcja plików z folderu z rozpoznawaniem mówców
audiotext transcribe recordings/ --diarize --speakers 2 --output-dir transcriptions/

# Transkrypcja filmu z YouTube za pomocą API Whisper
audiotext transcribe "https://www.youtube.com/watch?v=…" --method whisper-api

# Transkrypcja spotkania za pomocą API Whisper, ze słowami kluczowymi i kontekstem
audiotext transcribe meeting.m4a --method whisper-api \
    --openai-model gpt-transcribe --keywords "Audiotext, WhisperX" \
    --prompt "Spotkanie o następnej wersji"

# Zapis napisów i dokumentu Word, podsumowanie i tłumaczenie na hiszpański
audiotext transcribe talk.mp4 --output-types srt,docx --summarize --translate-to es

# Transkrypcja plików dodawanych do folderu aż do zatrzymania klawiszami Ctrl+C
audiotext watch inbox/ --output-types srt

# To samo, ale najpierw transkrybując pliki, które już są w folderze
audiotext watch inbox/ --existing

Opcje

Opcja	Opis
-m, --method	Metoda transkrypcji: whisperx, whisper-api lub google
-l, --language	Język nagrania jako kod ISO 639-1 (np. pl) lub auto, aby go wykryć (nieobsługiwane przez Google)
-t, --output-types	Typy plików wyjściowych oddzielone przecinkami, spośród aud, json, srt, txt, tsv, vtt, md, docx i ass (np. txt,srt,md)
-o, --output-dir	Folder, w którym zapisywane są transkrypcje (domyślnie obok każdego transkrybowanego pliku)
--overwrite	Ponownie transkrybować pliki, które mają już transkrypcję, zastępując ją
--existing	(tylko watch) Najpierw transkrybować pliki, które już są w folderze i nie mają jeszcze transkrypcji
-p, --prompt	O czym jest nagranie, np. temat lub okoliczności (nieobsługiwane przez Google)
-k, --keywords	Nazwy, terminy lub skróty z nagrania, oddzielone przecinkami, aby były poprawnie zapisane (nieobsługiwane przez Google)
--translate	Tłumaczenie nagrania na angielski podczas transkrypcji (nieobsługiwane przez Google). Dla innych języków zobacz --translate-to
-q, --quiet	Wypisywanie tylko błędów
-v, --verbose	Wypisywanie logów do debugowania błędów
--version	Wypisanie wersji Audiotext

Typy wyjściowe, których metoda transkrypcji nie zapisuje sama (np. md lub docx), są eksportowane z jej wyniku, tak jak w aplikacji. aud zapisuje tylko WhisperX.

Opcje podsumowania i tłumaczenia

Opcja	Opis
--summarize	Podsumowanie każdej transkrypcji, z najważniejszymi punktami i rozdziałami, w pliku .summary.md
--summary-provider	Dostawca modelu językowego, który podsumowuje: openai, anthropic, deepseek, gemini, mistral, grok lub ollama
--summary-model	Model językowy, który podsumowuje
--translate-to	Tłumaczenie każdej transkrypcji na język (kod ISO 639-1), zapisywane w jej typach plików wyjściowych (np. talk.es.srt)
--translation-provider	Dostawca tłumaczeń: ci z --summary-provider, deepl lub google
--translation-model	Model językowy, który tłumaczy, dla dostawców modeli językowych

Jeśli ich nie podasz, używane są dostawcy i modele ustawieni w aplikacji. Zobacz Dostawcy.

Opcje WhisperX

Opcja	Opis
--diarize	Rozpoznawanie mówców
--speakers	Liczba mówców przy rozpoznawaniu (0, aby ją wykryć)
--model-size	Model, np. small lub large-v2 (zobacz Silniki)
--compute-type	int8, float16 lub float32
--batch-size	Rozmiar partii
--cpu	Uruchamianie na procesorze zamiast na karcie NVIDIA lub karcie graficznej Maca

Opcje API Whisper

Opcja	Opis
--openai-model	Model transkrypcji: whisper-1, gpt-transcribe lub gpt-4o-transcribe-diarize

Uruchom audiotext transcribe --help, aby zobaczyć wszystkie opcje i ich wartości.

Wyjście i kod zakończenia

Postęp jest wypisywany na standardowe wyjście błędów (ukryj go opcją --quiet), a tekst transkrypcji pojedynczego pliku na standardowe wyjście. Polecenie kończy się kodem 1, jeśli transkrypcja, podsumowanie lub tłumaczenie się nie powiedzie, oraz kodem 130, jeśli zostanie zatrzymane klawiszami Ctrl+C.

Jeśli klucz API dostawcy dla --summarize lub --translate-to nie jest ustawiony, polecenie zatrzymuje się przed transkrypcją. Nieudane podsumowanie lub tłumaczenie jest zgłaszane bez utraty transkrypcji, która i tak zostaje zapisana.

Klucze API to te ustawione w aplikacji lub ich zmienne środowiskowe, np. OPENAI_API_KEY, GOOGLE_API_KEY i HF_TOKEN (do rozpoznawania mówców).