Giao diện dòng lệnh

Audiotext cũng có thể dùng từ dòng lệnh, ví dụ để chép lời từ script. Có ba lệnh:

• transcribe: chép lời một tệp, các tệp trong thư mục hoặc một video YouTube.
• watch: chép lời các tệp được thêm vào thư mục cho đến khi dừng bằng Ctrl+C.
• check-update: kiểm tra xem có phiên bản mới hay không và in liên kết để tải xuống.

Các tùy chọn không được chỉ định sẽ lấy giá trị đã cấu hình trong ứng dụng. Bản chép lời luôn được lưu cạnh mỗi tệp được chép lời, hoặc trong thư mục chỉ định bằng --output-dir (nơi các thư mục con của thư mục được chép lời được tạo lại).

Chạy dòng lệnh

Ứng dụng đã cài đặt sẽ chạy dòng lệnh khi nhận được một trong các lệnh của nó:

Hệ thống	Lệnh
Linux	audiotext (được install.sh cài vào ~/.local/bin)
macOS	/Applications/Audiotext.app/Contents/MacOS/Audiotext
Windows	audiotext-cli.exe, trong thư mục cài đặt Audiotext (mặc định là %LOCALAPPDATA%\Programs\Audiotext)

Khi chạy từ mã nguồn, hãy dùng uv run src/cli.py thay thế.

Ví dụ

# Chép lời một tệp. Văn bản cũng được in ra, nên có thể chuyển hướng
audiotext transcribe interview.mp3 --language es --output-types txt,srt

# Chép lời các tệp trong thư mục và nhận diện người nói
audiotext transcribe recordings/ --diarize --speakers 2 --output-dir transcriptions/

# Chép lời video YouTube bằng Whisper API
audiotext transcribe "https://www.youtube.com/watch?v=…" --method whisper-api

# Chép lời một cuộc họp bằng Whisper API, kèm từ khóa và ngữ cảnh
audiotext transcribe meeting.m4a --method whisper-api \
    --openai-model gpt-transcribe --keywords "Audiotext, WhisperX" \
    --prompt "Cuộc họp về phiên bản tiếp theo"

# Lưu phụ đề và tài liệu Word, tóm tắt và dịch sang tiếng Tây Ban Nha
audiotext transcribe talk.mp4 --output-types srt,docx --summarize --translate-to es

# Chép lời các tệp được thêm vào thư mục cho đến khi dừng bằng Ctrl+C
audiotext watch inbox/ --output-types srt

# Tương tự, nhưng chép lời trước các tệp đã có sẵn trong thư mục
audiotext watch inbox/ --existing

Tùy chọn

Tùy chọn	Mô tả
-m, --method	Phương thức chép lời: whisperx, whisper-api hoặc google
-l, --language	Ngôn ngữ của âm thanh dưới dạng mã ISO 639-1 (ví dụ vi), hoặc auto để tự phát hiện (Google không hỗ trợ)
-t, --output-types	Các loại tệp đầu ra, phân tách bằng dấu phẩy, trong số aud, json, srt, txt, tsv, vtt, md, docx và ass (ví dụ txt,srt,md)
-o, --output-dir	Thư mục lưu bản chép lời (mặc định: cạnh mỗi tệp được chép lời)
--overwrite	Chép lời lại các tệp đã có bản chép lời và thay thế nó
--existing	(chỉ watch) Chép lời trước các tệp đã có sẵn trong thư mục và chưa có bản chép lời
-p, --prompt	Âm thanh nói về điều gì, chẳng hạn chủ đề hoặc bối cảnh (Google không hỗ trợ)
-k, --keywords	Tên riêng, thuật ngữ hoặc từ viết tắt trong âm thanh, phân tách bằng dấu phẩy, để viết đúng (Google không hỗ trợ)
--translate	Dịch âm thanh sang tiếng Anh trong khi chép lời (Google không hỗ trợ). Với các ngôn ngữ khác, xem --translate-to
-q, --quiet	Chỉ in lỗi
-v, --verbose	In nhật ký để gỡ lỗi
--version	In phiên bản của Audiotext

Các loại đầu ra mà phương thức chép lời không tự lưu (ví dụ md hoặc docx) được xuất từ kết quả của nó, giống như từ ứng dụng. aud chỉ được WhisperX lưu.

Tùy chọn tóm tắt và dịch

Tùy chọn	Mô tả
--summarize	Tóm tắt từng bản chép lời, kèm các ý chính và các chương, vào tệp .summary.md
--summary-provider	Nhà cung cấp mô hình ngôn ngữ tóm tắt: openai, anthropic, deepseek, gemini, mistral, grok hoặc ollama
--summary-model	Mô hình ngôn ngữ tóm tắt
--translate-to	Dịch từng bản chép lời sang một ngôn ngữ (mã ISO 639-1), được lưu theo các loại tệp đầu ra (ví dụ talk.es.srt)
--translation-provider	Nhà cung cấp bản dịch: các nhà cung cấp của --summary-provider, deepl hoặc google
--translation-model	Mô hình ngôn ngữ dịch, cho các nhà cung cấp mô hình ngôn ngữ

Nếu không chỉ định, nhà cung cấp và mô hình đã cấu hình trong ứng dụng sẽ được dùng. Xem Nhà cung cấp.

Tùy chọn WhisperX

Tùy chọn	Mô tả
--diarize	Nhận diện người nói
--speakers	Số người nói khi nhận diện (0 để tự phát hiện)
--model-size	Mô hình, ví dụ small hoặc large-v2 (xem Công cụ)
--compute-type	int8, float16 hoặc float32
--batch-size	Kích thước lô
--cpu	Chạy trên CPU, thay vì trên GPU NVIDIA hoặc GPU của máy Mac

Tùy chọn Whisper API

Tùy chọn	Mô tả
--openai-model	Mô hình chép lời: whisper-1, gpt-transcribe hoặc gpt-4o-transcribe-diarize

Chạy audiotext transcribe --help để xem tất cả tùy chọn và giá trị của chúng.

Đầu ra và mã thoát

Tiến trình được in ra luồng lỗi chuẩn (ẩn bằng --quiet), còn văn bản chép lời của một tệp đơn lẻ được in ra đầu ra chuẩn. Lệnh thoát với mã 1 nếu một bản chép lời, bản tóm tắt hoặc bản dịch thất bại, và với mã 130 nếu bị dừng bằng Ctrl+C.

Nếu khóa API của nhà cung cấp cho --summarize hoặc --translate-to chưa được đặt, lệnh sẽ dừng trước khi chép lời. Bản tóm tắt hoặc bản dịch thất bại sẽ được báo mà không làm mất bản chép lời, vốn vẫn được lưu.

Khóa API là khóa đã đặt trong ứng dụng, hoặc các biến môi trường của chúng, như OPENAI_API_KEY, GOOGLE_API_KEY và HF_TOKEN (để nhận diện người nói).