transcript

CLI para transcrição de áudio usando Parakeet TDT — modelo da NVIDIA rodando localmente via Apple MLX.

Gera arquivos .md com front matter YAML contendo metadados da transcrição.

Como funciona

1. Recebe um ou mais arquivos de áudio/vídeo
2. Transcreve com o modelo parakeet-tdt-0.6b-v3 (roda 100% local, Apple Silicon)
3. Salva um .md por arquivo com front matter + texto transcrito

Exemplo de saída

---
title: "entrevista-cliente"
date: 2026-04-09
source: "/Users/fulano/Downloads/entrevista-cliente.m4a"
duration: "14:28"
---

Texto transcrito aqui...

Setup

Requisitos

• macOS com Apple Silicon (M1/M2/M3/M4)
• Homebrew
• Python 3 e uv

Instalação

# 1. Instalar dependências
brew install ffmpeg yt-dlp

# 2. Instalar parakeet-mlx
uv tool install parakeet-mlx -U

# 3. Clonar e instalar o script
git clone https://github.com/gocasimiro/transcript ~/Dev/transcript
sudo ln -sf ~/Dev/transcript/transcript /usr/local/bin/transcript

Na primeira transcrição, o modelo (~600MB) é baixado automaticamente do HuggingFace.

Se encontrar erro 429 (rate limit), faça login: salve seu token em ~/.cache/huggingface/token

Uso

# Transcrever um arquivo (saída no mesmo diretório do áudio)
transcript audio.m4a

# Transcrever um vídeo do YouTube (saída no diretório atual)
transcript "https://www.youtube.com/watch?v=..."

# Transcrever com diretório de saída customizado
transcript audio.m4a --out ~/transcrições/
transcript "https://youtube.com/watch?v=..." --out ~/transcrições/

# Múltiplos arquivos e URLs juntos
transcript aula1.m4a "https://youtube.com/watch?v=..." reuniao.mp3

Formatos suportados: qualquer formato que o ffmpeg aceita (.m4a, .mp3, .wav, .mov, .mp4, etc.), além de qualquer URL suportada pelo yt-dlp (YouTube, Vimeo, etc.).

Idiomas suportados

O modelo padrão (parakeet-tdt-0.6b-v3) é multilíngue — detecta o idioma automaticamente sem configuração. Suporta 25 idiomas europeus, incluindo português (pt), inglês (en), espanhol (es), francês (fr), alemão (de) e italiano (it).

Nota: o modelo foi treinado principalmente com português europeu (EP). Português brasileiro pode ter qualidade ligeiramente inferior.

Opções avançadas

Flag	Padrão	Descrição
--out <dir>	mesmo diretório do áudio	Diretório de saída
--model <repo>	mlx-community/parakeet-tdt-0.6b-v3	Modelo HuggingFace a usar
--decoding <método>	greedy	Algoritmo: greedy ou beam
--beam-size <n>	5	Largura do beam (requer --decoding beam)
--chunk <segundos>	120	Duração de cada chunk (0 = desativado)
--overlap <segundos>	15	Sobreposição entre chunks
--local-attention	desativado	Atenção local para áudios longos (recomendado para >24 min)

Exemplos

# Transcrição padrão (português detectado automaticamente)
transcript audio.m4a

# Áudio longo com atenção local
transcript reuniao_3h.mp4 --local-attention

# Áudio muito longo com chunks menores
transcript reuniao_3h.mp4 --chunk 60 --overlap 5 --local-attention

Filosofia

A ideia por trás dessa ferramenta é tratar gravações de áudio como matéria-prima para trabalho com IA. O arquivo .md com front matter é o formato ideal para isso — a IA processa bem, é legível por humanos e integra com ferramentas como Obsidian, Claude Code e qualquer sistema de arquivos baseado em texto.

O fluxo de trabalho é: gravar → transcrever → co-criar com IA a partir da transcrição.