subkit0.1.0

subkit convierte los archivos de vídeo y otros medios en artefactos subtítulos y transcripciones de una interfaz de línea de comandos, dando a los creadores y desarrolladores una manera repetible de producir texto cronometrado. Escrito en Go, funciona como un CLI independiente junto a ffmpeg y trata la transcripción como una secuencia de etapas de tubería en lugar de una operación opaca.

Cada etapa bloquea su resultado de forma independiente, por lo que repetir un comando con la misma entrada y opciones puede reutilizar los artefactos existentes, mientras que un archivo final perdido puede ser reconstruido de la caché de salida. Las transcripciones, las respuestas de los proveedores crudos, las fichas y los archivos renderizados están grabados por defecto; el audio sigue siendo temporal a menos que se utilice --cache-audio, que almacena audio normalizado para la reutilización posterior. Las claves de caché incluyen el hash source-media, las opciones de paso, la versión del oleoducto y la versión ffmpeg para la extracción de audio, con la ubicación de caché predeterminada derivada de Go’s os. UserCacheDir().

Los comandos Batch aceptan rutas individuales o globs y procesan hasta cuatro archivos simultáneamente de forma predeterminada. --output-template admite {dir}, {base}, {input_ext}, {kind} y {format}, mientras que --output-dir gestiona los destinos por lotes; --out sigue siendo una ruta exacta para una sola entrada para extract-audio, transcribe y cues. El progreso multiarchivo utiliza una pantalla interactiva de Bubble Tea en un terminal y registros simples cuando se redirige, con modos de auto, tui, liso o apagado disponibles; los fallos se resumen después del lote a menos que --fail-fast deje de funcionar después del primer error.

El prototipo utiliza el modelo nova-2-video de Deepgram por defecto, pero la entrada pt-PT portuguesa actualmente requiere --modelo general --language pt-PT porque nova-2-video fue rechazado por ese idioma. Su modelo de transcripción neutro-proveedor conserva estructuras que mapean a Deepgram, AssemblyAI, Google, AWS, y Whisper-style cronometrajes y segmentos.