Kommandorad

Audiotext kan också användas från kommandoraden, t.ex. för att transkribera från skript. Det har tre kommandon:

• transcribe: transkriberar en fil, filerna i en mapp eller en YouTube-video.
• watch: transkriberar filer som läggs till i en mapp tills det stoppas med Ctrl+C.
• check-update: kontrollerar om en ny version finns och skriver ut länken för att ladda ned den.

Alternativ som inte anges får värdena som är inställda i appen. Transkriberingarna sparas alltid bredvid varje transkriberad fil, eller i mappen som anges med --output-dir (där undermapparna i en transkriberad mapp återskapas).

Kör den

Den installerade appen kör kommandoraden när den får ett av sina kommandon:

System	Kommando
Linux	audiotext (installeras i ~/.local/bin av install.sh)
macOS	/Applications/Audiotext.app/Contents/MacOS/Audiotext
Windows	audiotext-cli.exe, i mappen där Audiotext är installerat (%LOCALAPPDATA%\Programs\Audiotext som standard)

När du kör det från källkoden använder du uv run src/cli.py i stället.

Exempel

# Transkribera en fil. Texten skrivs också ut, så den kan omdirigeras
audiotext transcribe interview.mp3 --language es --output-types txt,srt

# Transkribera filerna i en mapp och identifiera talarna
audiotext transcribe recordings/ --diarize --speakers 2 --output-dir transcriptions/

# Transkribera en YouTube-video med Whisper-API:t
audiotext transcribe "https://www.youtube.com/watch?v=…" --method whisper-api

# Transkribera ett möte med Whisper-API:t, med nyckelord och sammanhang
audiotext transcribe meeting.m4a --method whisper-api \
    --openai-model gpt-transcribe --keywords "Audiotext, WhisperX" \
    --prompt "Ett möte om nästa version"

# Spara undertexterna och ett Word-dokument, sammanfatta och översätt till spanska
audiotext transcribe talk.mp4 --output-types srt,docx --summarize --translate-to es

# Transkribera filer som läggs till i en mapp tills det stoppas med Ctrl+C
audiotext watch inbox/ --output-types srt

# Samma sak, men transkribera först filerna som redan finns i mappen
audiotext watch inbox/ --existing

Alternativ

Alternativ	Beskrivning
-m, --method	Transkriberingsmetod: whisperx, whisper-api eller google
-l, --language	Ljudets språk som ISO 639-1-kod (t.ex. sv), eller auto för att identifiera det (stöds inte av Google)
-t, --output-types	Utdatafiltyper separerade med kommatecken, bland aud, json, srt, txt, tsv, vtt, md, docx och ass (t.ex. txt,srt,md)
-o, --output-dir	Mapp där transkriberingarna sparas (standard: bredvid varje transkriberad fil)
--overwrite	Transkribera igen de filer som redan har en transkribering och ersätt den
--existing	(bara watch) Transkribera först de filer som redan finns i mappen och som inte har någon transkribering än
-p, --prompt	Vad ljudet handlar om, som ämne eller miljö (stöds inte av Google)
-k, --keywords	Namn, termer eller förkortningar som sägs i ljudet, separerade med kommatecken, så att de stavas rätt (stöds inte av Google)
--translate	Översätta ljudet till engelska under transkriberingen (stöds inte av Google). Se --translate-to för andra språk
-q, --quiet	Skriva ut bara fel
-v, --verbose	Skriva ut loggarna för felsökning
--version	Skriva ut versionen av Audiotext

Utdatatyper som transkriberingsmetoden inte sparar själv (t.ex. md eller docx) exporteras från dess resultat, precis som från appen. aud sparas bara av WhisperX.

Alternativ för sammanfattning och översättning

Alternativ	Beskrivning
--summarize	Sammanfatta varje transkribering, med huvudpunkter och kapitel, i en .summary.md-fil
--summary-provider	Leverantör av språkmodellen som sammanfattar: openai, anthropic, deepseek, gemini, mistral, grok eller ollama
--summary-model	Språkmodell som sammanfattar
--translate-to	Översätta varje transkribering till ett språk (en ISO 639-1-kod), som sparas i dess utdatafiltyper (t.ex. talk.es.srt)
--translation-provider	Leverantör av översättningarna: de för --summary-provider, deepl eller google
--translation-model	Språkmodell som översätter, för leverantörerna av språkmodeller

Om de inte anges används leverantörerna och modellerna som är inställda i appen. Se Leverantörer.

Alternativ för WhisperX

Alternativ	Beskrivning
--diarize	Identifiera talarna
--speakers	Antal talare vid identifiering (0 för att identifiera det)
--model-size	Modell, t.ex. small eller large-v2 (se Motorer)
--compute-type	int8, float16 eller float32
--batch-size	Batchstorlek
--cpu	Köra på processorn, i stället för på ett NVIDIA-grafikkort eller en Macs grafikprocessor

Alternativ för Whisper-API:t

Alternativ	Beskrivning
--openai-model	Transkriberingsmodell: whisper-1, gpt-transcribe eller gpt-4o-transcribe-diarize

Kör audiotext transcribe --help för att se alla alternativ och deras värden.

Utdata och slutkod

Förloppet skrivs till standardfel (dölj det med --quiet), och texten i transkriberingen av en enskild fil till standardutdata. Kommandot avslutas med kod 1 om en transkribering, en sammanfattning eller en översättning misslyckas, och med 130 om det stoppas med Ctrl+C.

Om API-nyckeln för leverantören av --summarize eller --translate-to inte är angiven stoppas kommandot innan det transkriberar. En sammanfattning eller översättning som misslyckas rapporteras utan att transkriberingen går förlorad; den sparas ändå.

API-nycklarna är de som angetts i appen, eller deras miljövariabler, som OPENAI_API_KEY, GOOGLE_API_KEY och HF_TOKEN (för att identifiera talarna).