transcricao

transcricao

Transcrição de áudio com Whisper (e opcionalmente diarização com pyannote).

Modo nuvem

Whisper Large V3 Turbo (rápido) ou WhisperX (timestamps a nível de palavra + diarização integrada).

Modo local

Usa faster-whisper em CPU ou GPU. Diarização local não é suportada por default — o extra [transcricao] traz só faster-whisper para manter o footprint pequeno. A formatação dos arquivos SRT/VTT/TXT vem do labdados_core.transcricao — mesmas funções rodadas pelo serviço no escritório, sem chance de divergir.

Functions

Name	Description
transcricao	Transcreve áudio para texto/legenda.

transcricao

transcricao.transcricao(
    arquivos,
    *,
    saida=None,
    api_key=None,
    modelo='whisper-large-v3-turbo',
    idioma='pt',
    diarizacao=False,
    num_falantes=0,
    formato='srt',
    timestamps=True,
    beam_size=5,
    local=False,
    modelo_local='large-v3',
    text=False,
    client=None,
    progress=True,
)

Transcreve áudio para texto/legenda.

Parameters

Name	Type	Description	Default
arquivos	PathLike | list[PathLike]	Arquivo único, lista, ou pasta com áudios.	required
saida	PathLike | None	Pasta de saída.	None
api_key	str | None	Chave de API (modo nuvem).	None
modelo	str	Modelo na nuvem: "whisper-large-v3-turbo" (rápido) ou "whisperx" (timestamps + diarização).	'whisper-large-v3-turbo'
idioma	str	ISO 639-1 ou "auto". Default: português.	'pt'
diarizacao	bool	Se True, separa falantes (SPEAKER_00, SPEAKER_01…). Requer modelo="whisperx" na nuvem.	False
num_falantes	int	Estimativa de quantas pessoas falam (0 = detectar). Só vale com diarizacao=True.	0
formato	OUTPUT_FORMAT	"txt", "srt" (default), ou "vtt".	'srt'
timestamps	bool	Inclui [hh:mm:ss] no início de cada trecho (txt apenas — srt/vtt sempre têm timestamps).	True
beam_size	int	Beam search do Whisper. Default 5; só mexa se houver erros sistemáticos.	5
local	bool	Se True, usa faster-whisper no próprio computador. Requer pip install labdados[transcricao]. Diarização local não suportada (use modo nuvem ou pyannote separado).	False
modelo_local	str	Modelo do faster-whisper ("tiny", "base", "small", "medium", "large-v3"). Mais alto = mais preciso e mais lento; large-v3 precisa de ~10GB de VRAM em GPU ou bastante RAM. Aceita também o caminho de uma pasta com o modelo já baixado. "tiny" vem das releases deste repositório, para não depender do Hugging Face, que barra download anônimo vindo de IP de datacenter (é o caso do Google Colab). Os demais vêm do Hugging Face. Para forçar o Hugging Face em todos, defina LABDADOS_MODELOS_HF=1.	'large-v3'
text	bool	Se True, devolve o texto transcrito como str em vez do caminho da pasta. Os arquivos continuam sendo gravados em saida. Com vários áudios, os textos vêm concatenados na ordem de entrada, separados por linha em branco.	False
client	Client | None	Cliente reaproveitado (modo nuvem).	None
progress	bool	Spinner no stderr.	True

Returns

Name	Type	Description
	Path | str	Pasta de saída, ou o texto transcrito quando text=True.

Examples

Modo nuvem com diarização:

>>> import labdados
>>> labdados.transcricao(
...     arquivos="audios/",
...     api_key="sk_lab_...",
...     modelo="whisperx",
...     diarizacao=True,
...     formato="srt",
... )

Modo local com modelo small em CPU:

>>> labdados.transcricao(
...     arquivos="reuniao.mp3",
...     local=True,
...     modelo_local="small",
...     idioma="pt",
... )