Initialer Push, Grundsätzlich funktioniert das Programm

src/notarius/transcription/cli.py

@@ -0,0 +1,98 @@
+"""Eigenständiger Transkriptions-Prozess (wird per `python -m notarius.transcription.cli`
+als Subprozess gestartet, siehe worker.py).
+
+Läuft absichtlich als separater Prozess statt als Hintergrunddienst: Whisper- und
+Diarization-Modelle werden erst hier geladen und geben beim Prozessende automatisch
+ihren VRAM/RAM wieder frei. Notarius selbst hält also außerhalb einer aktiven
+Transkription keine schweren ML-Modelle im Speicher.
+
+Kommuniziert den Fortschritt über stdout in einem einfachen Zeilenprotokoll, das
+worker.py parst:
+    STAGE:<name>      - neue Verarbeitungsstufe erreicht
+    ERROR:<message>   - nicht behebbarer Fehler, Prozess beendet sich mit Exitcode 1
+"""
+
+from __future__ import annotations
+
+import argparse
+import gc
+import sys
+from pathlib import Path
+
+from notarius.keyring_store import get_hf_token
+from notarius.transcription.formatting import format_transcript_markdown
+
+DEVICE = "cuda"
+COMPUTE_TYPE = "float16"
+BATCH_SIZE = 4
+WHISPER_MODEL_NAME = "large-v3"
+
+
+def _emit_stage(name: str) -> None:
+    print(f"STAGE:{name}", flush=True)
+
+
+def _emit_error(message: str) -> None:
+    print(f"ERROR:{message}", flush=True)
+
+
+def transcribe(audio_path: Path, output_path: Path, title: str, language: str) -> None:
+    # Import erst hier (statt auf Modulebene), damit `python -m notarius.transcription.cli --help`
+    # bzw. der GUI-Prozess selbst nicht das schwere whisperx/torch mitimportieren muss.
+    import whisperx
+
+    hf_token = get_hf_token()
+    if not hf_token:
+        _emit_error(
+            "Kein HuggingFace-Token hinterlegt (Settings). Für die Sprechererkennung "
+            "wird ein Token mit akzeptierten Pyannote-Nutzungsbedingungen benötigt."
+        )
+        sys.exit(1)
+
+    _emit_stage("loading_models")
+    model = whisperx.load_model(WHISPER_MODEL_NAME, DEVICE, compute_type=COMPUTE_TYPE, language=language)
+    diarize_model = whisperx.diarize.DiarizationPipeline(token=hf_token, device=DEVICE)
+
+    audio = whisperx.load_audio(str(audio_path))
+
+    _emit_stage("transcribing")
+    result = model.transcribe(audio, batch_size=BATCH_SIZE, language=language)
+
+    _emit_stage("aligning")
+    model_a, metadata = whisperx.load_align_model(language_code=language, device=DEVICE)
+    result = whisperx.align(
+        result["segments"], model_a, metadata, audio, DEVICE, return_char_alignments=False
+    )
+    del model_a
+    gc.collect()
+
+    _emit_stage("diarizing")
+    diarize_segments = diarize_model(audio)
+    result = whisperx.assign_word_speakers(diarize_segments, result)
+
+    _emit_stage("writing")
+    markdown = format_transcript_markdown(title, result["segments"])
+    output_path.write_text(markdown, encoding="utf-8")
+
+    _emit_stage("done")
+
+
+def main() -> None:
+    parser = argparse.ArgumentParser(description="Notarius Transkriptions-Worker")
+    parser.add_argument("audio_path", type=Path)
+    parser.add_argument("output_path", type=Path)
+    parser.add_argument("--title", default=None, help="Titel für die Transkript-Überschrift")
+    parser.add_argument("--language", default="de")
+    args = parser.parse_args()
+
+    title = args.title or args.audio_path.stem
+
+    try:
+        transcribe(args.audio_path, args.output_path, title, args.language)
+    except Exception as exc:  # noqa: BLE001 - jeder Fehler muss dem Elternprozess gemeldet werden
+        _emit_error(str(exc))
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    main()