Trascrizione

Lo punti a una registrazione. Chiede a Gemini una trascrizione parola per parola, poi scrive una cartella privata: manifest, trascrizione (JSON, testo e SRT), etichette dei parlanti, timestamp, osservazioni sull’audio, riepilogo, argomenti, decisioni, azioni, domande, note sui nomi dei parlanti e una traduzione.

La trascrizione resta nella lingua originale. La traduzione è in inglese per impostazione predefinita. Etichette dei parlanti come SPEAKER_01 segnano le voci dentro quel singolo file. Non sono persone identificate.

Come si muove un’esecuzione

flowchart TB
  audio[Un file audio]
  snap[Copia temporanea privata di quei byte]
  up[Caricamento sulla Google Files API]
  tx[Trascrivi e annota come suonava]
  save[Salva la trascrizione]
  enrich[Riepilogo, argomenti, traduzione]
  bundle[Manifest più i file]
  del[Prova a eliminare il file caricato]

  audio --> snap --> up --> tx --> save --> enrich --> bundle
  up --> del
  tx --> del

Se il passaggio del riepilogo fallisce, la trascrizione già su disco viene conservata. La ripresa continua dal manifest e non carica di nuovo l’audio.

sequenceDiagram
  participant CLI as gemini-transcribe
  participant Google as Gemini
  participant Disk as Cartella di output

  CLI->>Disk: istantanea dei byte in ingresso
  CLI->>Google: carica, poi trascrivi
  Google-->>CLI: trascrizione e osservazioni
  CLI->>Disk: scrivi la trascrizione
  CLI->>Google: analizza e traduci la trascrizione salvata
  Google-->>CLI: riepilogo, argomenti, traduzione
  CLI->>Disk: scrivi il resto del pacchetto
  CLI->>Google: elimina il file caricato

Gli ingressi supportati includono WAV, MP3, AIFF, AAC, OGG, FLAC e M4A, sotto i 2 GiB. L’intero file entra in un solo passaggio. Le registrazioni lunghe possono comunque superare i limiti del modello. I tempi SRT sono stime del modello.

Il modello predefinito è gemini-3.8-flash. Un --pipeline long-decode facoltativo usa gemini-4-argon e può continuare la generazione attraverso più richieste. Entrambe le pipeline scrivono lo stesso tipo di pacchetto.

Le richieste standard disattivano la conservazione dell’interazione (store=False). È una rinuncia a quella conservazione, e lascia gli altri termini sui dati di Google come sono.

A che cosa serve la cartella

WikiContext può in seguito acquisire un pacchetto come prova. Questo strumento non pubblica una pagina wiki, e un’estrazione completata non è una pubblicazione revisionata. I timestamp possono sovrapporsi. I punti incerti e inudibili vanno segnalati. Un riepilogo può essere sbagliato anche quando i file sono ben formati.

L’audio sotto audio/ e l’output sotto transcripts/ restano fuori da Git.