命令行界面
也可以通过命令行使用 Audiotext，例如从脚本中进行转写。它有三个命令：
transcribe：转写一个文件、文件夹中的文件或一个 YouTube 视频。watch：转写添加到文件夹中的文件，直到按Ctrl+C停止。check-update：检查是否有新版本可用，并输出下载链接。
未指定的选项会使用应用中配置的值。转写结果始终保存在每个被转写文件的旁边，或保存到 --output-dir 指定的文件夹中（会在其中重建被转写文件夹的子文件夹结构）。
已安装的应用在收到其中一个命令时会以命令行方式运行：
| 系统 | 命令 |
|---|---|
| Linux | audiotext（由 install.sh 安装到 ~/.local/bin） |
| macOS | /Applications/Audiotext.app/Contents/MacOS/Audiotext |
| Windows | Audiotext 安装文件夹中的 audiotext-cli.exe（默认为 %LOCALAPPDATA%\Programs\Audiotext） |
从源代码运行时，请改用 uv run src/cli.py。
# 转写一个文件。文本也会被打印出来，因此可以重定向audiotext transcribe interview.mp3 --language es --output-types txt,srt
# 转写文件夹中的文件并识别说话人audiotext transcribe recordings/ --diarize --speakers 2 --output-dir transcriptions/
# 使用 Whisper API 转写 YouTube 视频audiotext transcribe "https://www.youtube.com/watch?v=…" --method whisper-api
# 使用 Whisper API 转写会议，附带关键词和背景信息audiotext transcribe meeting.m4a --method whisper-api \ --openai-model gpt-transcribe --keywords "Audiotext, WhisperX" \ --prompt "一次关于下个版本的会议"
# 保存字幕和 Word 文档，生成摘要，并翻译成西班牙语audiotext transcribe talk.mp4 --output-types srt,docx --summarize --translate-to es
# 转写添加到文件夹中的文件，直到按 Ctrl+C 停止audiotext watch inbox/ --output-types srt
# 同上，但先转写文件夹中已有的文件audiotext watch inbox/ --existing| 选项 | 说明 |
|---|---|
-m, --method |
转写方式：whisperx、whisper-api 或 google |
-l, --language |
音频语言的 ISO 639-1 代码（例如 zh），或使用 auto 自动检测（Google 不支持） |
-t, --output-types |
用逗号分隔的输出文件类型，可选 aud、json、srt、txt、tsv、vtt、md、docx 和 ass（例如 txt,srt,md） |
-o, --output-dir |
保存转写的文件夹（默认：每个被转写文件的旁边） |
--overwrite |
重新转写已有转写的文件并替换其转写 |
--existing |
（仅 watch）先转写文件夹中已有且还没有转写的文件 |
-p, --prompt |
音频的内容，例如主题或场景（Google 不支持） |
-k, --keywords |
音频中出现的人名、术语或缩写，用逗号分隔，使其拼写正确（Google 不支持） |
--translate |
在转写时将音频翻译成英语（Google 不支持）。其他语言请参阅 --translate-to |
-q, --quiet |
只打印错误 |
-v, --verbose |
打印日志以便调试错误 |
--version |
打印 Audiotext 的版本 |
转写方式本身不保存的输出类型（例如 md 或 docx）会像在应用中一样，从其结果导出。aud 只有 WhisperX 会保存。
摘要和翻译选项
| 选项 | 说明 |
|---|---|
--summarize |
为每个转写生成摘要，包含要点和章节，保存到 .summary.md 文件 |
--summary-provider |
生成摘要的语言模型提供商：openai、anthropic、deepseek、gemini、mistral、grok 或 ollama |
--summary-model |
生成摘要的语言模型 |
--translate-to |
将每个转写翻译成某种语言（ISO 639-1 代码），并以其输出文件类型保存（例如 talk.es.srt） |
--translation-provider |
翻译的提供商：--summary-provider 的提供商、deepl 或 google |
--translation-model |
用于翻译的语言模型，适用于语言模型提供商 |
未指定时，使用应用中配置的提供商和模型。请参阅提供商。
WhisperX 选项
| 选项 | 说明 |
|---|---|
--diarize |
识别说话人 |
--speakers |
识别时的说话人数量（0 表示自动检测） |
--model-size |
模型，例如 small 或 large-v2（请参阅引擎） |
--compute-type |
int8、float16 或 float32 |
--batch-size |
批处理大小 |
--cpu |
在 CPU 上运行，而不是在 NVIDIA GPU 或 Mac 的 GPU 上运行 |
Whisper API 选项
| 选项 | 说明 |
|---|---|
--openai-model |
转写模型：whisper-1、gpt-transcribe 或 gpt-4o-transcribe-diarize |
运行 audiotext transcribe --help 可查看所有选项及其取值。
输出与退出码
Section titled “输出与退出码”进度会打印到标准错误（使用 --quiet 隐藏），单个文件的转写文本会打印到标准输出。如果转写、摘要或翻译失败，命令以退出码 1 结束；如果按 Ctrl+C 停止，则以 130 结束。
如果 --summarize 或 --translate-to 的提供商未设置 API 密钥，命令会在转写前停止。摘要或翻译失败时只会报告错误，转写不会丢失，仍会被保存。
API 密钥使用应用中设置的密钥，或其环境变量，例如 OPENAI_API_KEY、GOOGLE_API_KEY 和 HF_TOKEN（用于识别说话人）。