subkit0.1.0

subkit trasforma video e altri file multimediali in sottotitoli e trascrizioni tramite un'interfaccia a riga di comando, offrendo a creatori e sviluppatori un modo ripetibile per produrre testo sincronizzato. Scritto in Go, viene eseguito come CLI autonomo insieme a ffmpeg e tratta la trascrizione come una sequenza di fasi della pipeline anziché come un'unica operazione opaca.

Ogni fase memorizza il suo risultato in modo indipendente, in modo da ripetere un comando con lo stesso input e le opzioni possono riutilizzare artefatti esistenti, mentre un file finale mancante può essere ricostruito dalla cache renderd-output. Trascrizioni, risposte del fornitore grezzo, cue e file resi sono memorizzati in cache per impostazione predefinita; l'audio rimane temporaneo a meno che --cache-audio viene utilizzato, che memorizza l'audio normalizzato per il riutilizzo successivo. I tasti Cache includono l'hash sorgente-media, le opzioni passo, la versione pipeline e la versione ffmpeg per l'estrazione audio, con la posizione della cache predefinita derivata da Go's os. UserCacheDir().

I comandi Batch accettano singoli percorsi o glob e elaborano fino a quattro file contemporaneamente per impostazione predefinita. --output-template supporta {dir}, {base}, {input_ext}, {kind} e {format}, mentre --output-dir gestisce le destinazioni batch; --out rimane un percorso esatto per un singolo input per extract-audio, transcribe e cues. Il progresso multi-file utilizza un display Bubble Tea interattivo in un terminale e registri semplici quando reindirizzato, con modalità auto, tui, pianura o off disponibili; i guasti vengono riassunti dopo il batch a meno che --fail-fast arresti in coda lavoro dopo il primo errore.

Il prototipo utilizza il modello nova-2-video di Deepgram per impostazione predefinita, ma l'ingresso pt-PT portoghese richiede attualmente --modello generale --lingua pt-PT perché nova-2-video è stato respinto per quella lingua. Il suo modello di trascrizione del provider-neutral conserva strutture che mappano a Deepgram, AssemblyAI, Google, AWS e Whisper-style tempi e segmenti.