Interface de linha de comando

O Audiotext também pode ser usado pela linha de comando, ex.: para transcrever a partir de scripts. Ele tem três comandos:

• transcribe: transcreve um arquivo, os arquivos de uma pasta ou um vídeo do YouTube.
• watch: transcreve os arquivos adicionados a uma pasta até ser interrompido com Ctrl+C.
• check-update: verifica se há uma nova versão disponível e mostra o link para baixá-la.

As opções não informadas assumem os valores configurados no aplicativo. As transcrições são sempre salvas ao lado de cada arquivo transcrito, ou na pasta indicada com --output-dir (onde as subpastas de uma pasta transcrita são recriadas).

Execute-a

O aplicativo instalado executa a linha de comando quando recebe um dos seus comandos:

Sistema	Comando
Linux	audiotext (instalado em ~/.local/bin pelo install.sh)
macOS	/Applications/Audiotext.app/Contents/MacOS/Audiotext
Windows	audiotext-cli.exe, na pasta onde o Audiotext está instalado (%LOCALAPPDATA%\Programs\Audiotext por padrão)

Se você o executa a partir do código-fonte, execute uv run src/cli.py no lugar.

Exemplos

# Transcreve um arquivo. O texto também é impresso, então pode ser redirecionado
audiotext transcribe interview.mp3 --language es --output-types txt,srt

# Transcreve os arquivos de uma pasta identificando os falantes
audiotext transcribe recordings/ --diarize --speakers 2 --output-dir transcriptions/

# Transcreve um vídeo do YouTube com a API do Whisper
audiotext transcribe "https://www.youtube.com/watch?v=…" --method whisper-api

# Transcreve uma reunião com a API do Whisper, com as palavras-chave e o contexto
audiotext transcribe meeting.m4a --method whisper-api \
    --openai-model gpt-transcribe --keywords "Audiotext, WhisperX" \
    --prompt "Uma reunião sobre a próxima versão"

# Salva as legendas e um documento do Word, resume e traduz para o espanhol
audiotext transcribe talk.mp4 --output-types srt,docx --summarize --translate-to es

# Transcreve os arquivos adicionados a uma pasta até ser interrompido com Ctrl+C
audiotext watch inbox/ --output-types srt

# O mesmo, transcrevendo primeiro os arquivos que ela já contém
audiotext watch inbox/ --existing

Opções

Opção	Descrição
-m, --method	Método de transcrição: whisperx, whisper-api ou google
-l, --language	Idioma do áudio como código ISO 639-1 (ex.: pt), ou auto para detectá-lo (não suportado pelo Google)
-t, --output-types	Tipos de arquivo de saída separados por vírgulas, entre aud, json, srt, txt, tsv, vtt, md, docx e ass (ex.: txt,srt,md)
-o, --output-dir	Pasta onde as transcrições são salvas (padrão: ao lado de cada arquivo transcrito)
--overwrite	Transcrever de novo os arquivos que já têm uma transcrição, substituindo-a
--existing	(só watch) Transcrever primeiro os arquivos que a pasta já contém e que ainda não têm transcrição
-p, --prompt	Do que o áudio trata, como o tema ou o contexto (não suportado pelo Google)
-k, --keywords	Nomes, termos ou siglas ditos no áudio, separados por vírgulas, para que sejam escritos corretamente (não suportado pelo Google)
--translate	Traduzir o áudio para o inglês durante a transcrição (não suportado pelo Google). Consulte --translate-to para outros idiomas
-q, --quiet	Imprimir apenas os erros
-v, --verbose	Imprimir os logs para depurar erros
--version	Imprimir a versão do Audiotext

Os tipos de saída que o método de transcrição não salva por conta própria (ex.: md ou docx) são exportados a partir do resultado dele, como no aplicativo. aud só é salvo pelo WhisperX.

Opções de resumo e tradução

Opção	Descrição
--summarize	Resumir cada transcrição, com os pontos-chave e os capítulos, em um arquivo .summary.md
--summary-provider	Provedor do modelo de linguagem que resume: openai, anthropic, deepseek, gemini, mistral, grok ou ollama
--summary-model	Modelo de linguagem que resume
--translate-to	Traduzir cada transcrição para um idioma (um código ISO 639-1), salva nos seus tipos de arquivo de saída (ex.: talk.es.srt)
--translation-provider	Provedor das traduções: os de --summary-provider, deepl ou google
--translation-model	Modelo de linguagem que traduz, para os provedores de modelos de linguagem

Os provedores e os modelos são os configurados no aplicativo, a menos que sejam informados. Consulte Provedores.

Opções do WhisperX

Opção	Descrição
--diarize	Identificar os falantes
--speakers	Número de falantes ao identificá-los (0 para detectar)
--model-size	Modelo, ex.: small ou large-v2 (consulte Mecanismos)
--compute-type	int8, float16 ou float32
--batch-size	Tamanho do lote
--cpu	Rodar na CPU, em vez de em uma GPU NVIDIA ou na GPU de um Mac

Opções da API do Whisper

Opção	Descrição
--openai-model	Modelo de transcrição: whisper-1, gpt-transcribe ou gpt-4o-transcribe-diarize

Execute audiotext transcribe --help para ver todas as opções e os seus valores.

Saída e código de saída

O progresso é impresso na saída de erro padrão (oculte-o com --quiet), e o texto da transcrição de um único arquivo na saída padrão. O comando termina com o código 1 se uma transcrição, um resumo ou uma tradução falhar, e com 130 se for interrompido com Ctrl+C.

Se a chave de API do provedor de --summarize ou --translate-to não estiver definida, o comando para antes de transcrever. Um resumo ou uma tradução que falha é informado sem perder a transcrição, que é salva mesmo assim.

As chaves de API são as definidas no aplicativo, ou as suas variáveis de ambiente, como OPENAI_API_KEY, GOOGLE_API_KEY e HF_TOKEN (para identificar os falantes).