AI-транскрибація та саммаризація подкастів Автоматична транскрибація подкастів вирішує завдання SEO (текстовий контент під пошукові системи), доступності, створення шоунотів та ретрансляції контенту в соцмережі. Whisper large-v3 дає WER 4-8% на чистих записах студійної якості. ### Базовий пайплайн```python
import whisper from openai import AsyncOpenAI
async def transcribe_and_summarize_podcast(audio_path: str) -> dict: # Транскрибация model = whisper.load_model("large-v3") result = model.transcribe( audio_path, language="ru", task="transcribe", verbose=False, word_timestamps=True ) transcript = result["text"] segments = result["segments"] # [{start, end, text}, ...]
# Генерация shownotes через GPT-4o
client = AsyncOpenAI()
response = await client.chat.completions.create(
model="gpt-4o",
messages=[{
"role": "system",
"content": "Создай shownotes для подкаста: краткое описание эпизода (3-5 предложений), ключевые темы списком, временные метки для основных тем в формате MM:SS."
}, {
"role": "user",
"content": transcript[:6000]
}]
)
# Временные метки ключевых тем
chapters = extract_chapters(segments)
return {
"transcript": transcript,
"shownotes": response.choices[0].message.content,
"chapters": chapters,
"duration_sec": segments[-1]["end"] if segments else 0
}
def extract_chapters(segments: list) -> list[dict]:
"""Выделяем тематические блоки по паузам и семантике"""
chapters = []
# Ищем паузы > 3 секунды как границы глав
for i in range(1, len(segments)):
gap = segments[i]["start"] - segments[i-1]["end"]
if gap > 3.0:
chapters.append({
"timestamp": int(segments[i]["start"]),
"text": segments[i]["text"][:80]
})
return chapters
### RSS-інтеграція для автоматичної обробкиpython
import feedparser
import httpx
async def process_podcast_feed(rss_url: str) -> list[dict]: feed = feedparser.parse(rss_url) results = []
for entry in feed.entries[:5]: # последние 5 эпизодов
audio_url = next(
(enc.href for enc in entry.enclosures if enc.type.startswith("audio")),
None
)
if not audio_url:
continue
async with httpx.AsyncClient() as client:
audio_data = await client.get(audio_url)
with open(f"/tmp/{entry.id}.mp3", "wb") as f:
f.write(audio_data.content)
result = await transcribe_and_summarize_podcast(f"/tmp/{entry.id}.mp3")
result["title"] = entry.title
result["published"] = entry.published
results.append(result)
return results