# local-transcriber

Локальный CLI для транскрипции аудио и видео через [faster-whisper](https://github.com/SYSTRAN/faster-whisper).
Принимает файл, распознаёт речь на машине (без внешних API) и создаёт markdown с таймкодами.
Результат удобен для последующей обработки ИИ — суммаризация, action items и т.д.
Работает с GPU (NVIDIA CUDA, быстро) и CPU (медленнее).

```bash
transcribe meeting.mp4
# → meeting-transcript.md
```

## Требования

- Python ≥ 3.10
- [uv](https://docs.astral.sh/uv/) — менеджер пакетов
- ffmpeg в PATH
- (Опционально) NVIDIA GPU + установленный драйвер (проверка: `nvidia-smi`)

## Установка

```bash
git clone <repo>
cd local-transcriber
uv tool install .
```

После этого команда `transcribe` доступна глобально в PATH.

Обновление после `git pull`:

```bash
uv tool install --force .
```

Модели скачиваются автоматически при первом запуске (~3 GB для large-v3),
нужен доступ в интернет (Hugging Face Hub).

> **Если `transcribe: command not found`** — убедитесь, что директория
> инструментов uv добавлена в PATH. Выполните `uv tool dir --bin`
> чтобы узнать путь, и добавьте его в PATH вашего shell.

## Использование

```bash
# Простой запуск (large-v3, автодетект языка и устройства)
transcribe meeting.mp4

# Указать язык
transcribe lecture.mp3 --language ru

# Быстрая модель на CPU
transcribe podcast.wav --model small --device cpu

# Сохранить в конкретный файл
transcribe interview.m4a --output result.md
```

### Опции CLI

| Опция | Сокращение | По умолчанию | Описание |
|-------|-----------|-------------|----------|
| `--model` | `-m` | `large-v3` | Модель Whisper |
| `--language` | `-l` | `auto` | Язык (ru, en, auto) |
| `--output` | `-o` | `<файл>-transcript.md` | Путь к выходному файлу |
| `--device` | `-d` | `auto` | Устройство (auto, cpu, cuda) |
| `--compute-type` | — | `int8` | Тип вычислений |
| `--verbose` | `-v` | — | Подробный вывод |

## Модели

| Модель | Размер на диске | VRAM (int8) | Скорость (GPU) | Качество |
|--------|----------------|-------------|----------------|----------|
| `tiny` | ~75 MB | ~1 GB | ★★★★★ | ★ |
| `base` | ~140 MB | ~1 GB | ★★★★ | ★★ |
| `small` | ~460 MB | ~1.5 GB | ★★★ | ★★★ |
| `medium` | ~1.5 GB | ~2.5 GB | ★★ | ★★★★ |
| `large-v3` | ~3 GB | ~2.5 GB | ★ | ★★★★★ |

### Типы квантизации (`--compute-type`)

| Тип | VRAM | Скорость | Качество | Когда использовать |
|-----|------|----------|----------|--------------------|
| `int8` | Низкое | Быстро | Почти без потерь | По умолчанию, GPU от 4 GB и CPU |
| `int8_float16` | Низкое | Быстро | Почти без потерь | GPU, чуть точнее int8 |
| `float16` | Среднее | Быстро | Без потерь | GPU от 6 GB |
| `float32` | Высокое | Медленно | Эталон | CPU (если int8 недоступен) |

По умолчанию `int8` — универсален для GPU от 4 GB и CPU.

## Установка ffmpeg

- **Linux / WSL2**: `sudo apt install ffmpeg`
- **macOS**: `brew install ffmpeg`
- **Windows**: `winget install ffmpeg`

## GPU и CUDA

Для работы с GPU необходим установленный NVIDIA драйвер
(проверка: `nvidia-smi` в терминале). Драйвер предоставляет `libcuda.so.1`,
без которого CUDA не работает — его нельзя поставить через pip.

### По платформам

- **Linux / WSL2 (x86_64)**: библиотека cuBLAS ставится автоматически
  (зависимость `nvidia-cublas-cu12` подтягивается при установке).
  Дополнительных шагов не требуется.
  На ARM (aarch64) cuBLAS через pip недоступен — нужен системный CUDA toolkit.
- **Windows**: нужен системный CUDA toolkit
  (`choco install cuda` или `winget install -e --id Nvidia.CUDA`)

### Режимы `--device`

- `auto` (по умолчанию) — выберет GPU если `nvidia-smi` доступен, иначе CPU
- `cuda` — строго GPU, ошибка если недоступен (без silent fallback)
- `cpu` — строго CPU

### Совместимость GPU

| GPU | VRAM | large-v3 int8 | Рекомендация |
|-----|------|--------------|--------------|
| RTX 3060 | 6 GB | ✅ | int8 |
| RTX 4050 | 6 GB | ✅ | int8 |
| Quadro M3000M | 4 GB | ✅ | int8 обязательно |

### Ожидаемая скорость

| Конфигурация | 1 час аудио ≈ |
|-------------|---------------|
| RTX 3060 + large-v3 | 4–6 мин |
| CPU + large-v3 | 60–120 мин |
| CPU + small | 12–20 мин |

## Формат выходного файла

```markdown
# Транскрипт: meeting.mp4

- **Дата транскрипции**: 2026-03-17 14:30:05
- **Модель**: large-v3
- **Язык**: ru (detected)
- **Длительность**: 01:23:45
- **Устройство**: CUDA (NVIDIA GeForce RTX 3060)

---

[00:00:00.00 - 00:00:15.40] Добрый день, коллеги. Сегодня мы обсудим результаты
квартала. Первый вопрос — по метрикам продукта. Как вы видите на слайде, MAU вырос
на двадцать три процента по сравнению с предыдущим кварталом.

[00:00:18.10 - 00:00:25.73] Теперь перейдём к финансовым показателям.

...
```

Близкие по времени сегменты автоматически объединяются в абзацы (пауза > 2 сек или длительность > 60 сек разделяет абзацы).
Таймкоды: `MM:SS.ss`, для записей длиннее 1 часа — `HH:MM:SS.ss`.

## Поддерживаемые форматы

- **Аудио**: mp3, wav, flac, ogg, m4a, wma, aac
- **Видео**: mp4, mkv, avi, mov, webm, ts

Формат определяется по расширению, декодирование выполняет ffmpeg.