subkit0.1.0

subkit verwandelt Video- und andere Mediendateien von einer Befehlszeilenschnittstelle in Untertitel- und Transkriptartefakte, wodurch Schöpfer und Entwickler eine wiederholbare Möglichkeit erhalten, zeitgesteuerten Text zu erzeugen. In Go geschrieben, läuft es als eigenständige CLI neben ffmpeg und behandelt die Transkription als eine Abfolge von Pipeline-Stufen und nicht als eine opake Operation.

Jede Stufe speichert ihr Ergebnis unabhängig zwischen, so dass die Wiederholung eines Befehls mit der gleichen Eingabe und den gleichen Optionen bestehende Artefakte wiederverwenden kann, während eine fehlende endgültige Datei aus dem gerenderten Ausgabe-Cache neu erstellt werden kann. Transkripte, rohe Anbieterantworten, Hinweise und gerenderte Dateien werden standardmäßig zwischengespeichert; Audio bleibt temporär, es sei denn --cache-audio wird verwendet, das normalisiertes Audio für eine spätere Wiederverwendung speichert. Cache-Tasten umfassen den Source-Media-Hash, Schrittoptionen, die Pipeline-Version und die ffmpeg-Version für die Audioextraktion, wobei der Standard-Cache-Speicherort von Go's os abgeleitet ist. UserCacheDir().

Batch-Befehle akzeptieren einzelne Pfade oder Globs und verarbeiten standardmäßig bis zu vier Dateien gleichzeitig. --output-template unterstützt {dir}, {base}, {input_ext}, {kind} und {format}, während --output-dir Batch-Ziele handhabt; --out bleibt ein exakter Single-Input-Pfad für extract-audio, transcribe und cues. Multi-file progress verwendet ein interaktives Bubble Tea-Display in einem Terminal und einfache Protokolle, wenn es umgeleitet wird, mit Auto-, Tui-, Plain- oder Aus-Modi verfügbar; Fehler werden nach dem Batch zusammengefasst, es sei denn, --Fail-fast stoppt die Arbeit in der Warteschlange nach dem ersten Fehler.

Der Prototyp verwendet standardmäßig das Nova-2-Video-Modell von Deepgram, aber der portugiesische pt-PT-Eingang erfordert derzeit -model general -language pt-PT, da nova-2-video für diese Sprache abgelehnt wurde. Das anbieterneutrale Transkriptmodell bewahrt Strukturen, die auf Deepgram, AssemblyAI, Google, AWS und Whisper-Timings und Segmente abgebildet sind.