78 lines
2.4 KiB
YAML
78 lines
2.4 KiB
YAML
|
# content-core Konfiguration fuer dieses Deployment.
|
||
|
|
#
|
||
|
|
# Zweck: YouTube-Quellen mit deutschem Transkript nutzbar machen.
|
||
|
|
#
|
||
|
|
# content-core sucht Transkripte nur in "preferred_languages". Der eingebaute
|
||
|
|
# Standard ist ["en", "es", "pt"] — ohne Deutsch. Ein Video mit ausschliesslich
|
||
|
|
# deutschem Transkript liefert deshalb NoTranscriptFound, und Open Notebook legt
|
||
|
|
# die Quelle mit LEEREM Inhalt an (der Titel wird trotzdem geholt, der Fehler
|
||
|
|
# taucht nur im Log auf).
|
||
|
|
#
|
||
|
|
# Der Schluessel youtube_transcripts steht zwar in der cc_config.yaml des Pakets,
|
||
|
|
# wird von load_config() im Standardfall aber gar nicht eingelesen (dort wird nur
|
||
|
|
# der Block "extraction" uebernommen) — er ist also wirkungslos. Einziger Weg,
|
||
|
|
# ihn zu setzen: CCORE_CONFIG_PATH auf eine eigene Datei zeigen lassen.
|
||
|
|
#
|
||
|
|
# ACHTUNG: CCORE_CONFIG_PATH ERSETZT die Konfiguration vollstaendig, es wird
|
||
|
|
# nicht zusammengefuehrt (content_core/config.py: return yaml.safe_load(file)).
|
||
|
|
# Diese Datei ist deshalb ein vollstaendiger Abzug der effektiven Standardconfig
|
||
|
|
# plus youtube_transcripts. Bei einem Image-Update mit geaenderten Defaults neu
|
||
|
|
# erzeugen:
|
||
|
|
#
|
||
|
|
# docker compose exec -T open_notebook /app/.venv/bin/python -c "
|
||
|
|
# from content_core.config import CONFIG; import yaml, copy
|
||
|
|
# cfg = copy.deepcopy(CONFIG)
|
||
|
|
# cfg['youtube_transcripts'] = {'preferred_languages': ['de','en','es','pt']}
|
||
|
|
# print(yaml.safe_dump(cfg, sort_keys=False, allow_unicode=True))" > config/content_core.yaml
|
||
|
|
#
|
||
|
|
# Die openai/gpt-4o-mini-Eintraege unten sind content-core-interne Defaults; sie
|
||
|
|
# werden hier nicht benutzt (Open Notebook waehlt seine Modelle selbst) und
|
||
|
|
# stehen nur drin, weil die Datei vollstaendig sein muss.
|
||
|
|
speech_to_text:
|
||
|
|
provider: openai
|
||
|
|
model_name: whisper-1
|
||
|
|
timeout: 3600
|
||
|
|
default_model:
|
||
|
|
provider: openai
|
||
|
|
model_name: gpt-4o-mini
|
||
|
|
config:
|
||
|
|
temperature: 0.5
|
||
|
|
top_p: 1
|
||
|
|
max_tokens: 2000
|
||
|
|
timeout: 300
|
||
|
|
cleanup_model:
|
||
|
|
provider: openai
|
||
|
|
model_name: gpt-4o-mini
|
||
|
|
config:
|
||
|
|
temperature: 0
|
||
|
|
max_tokens: 8000
|
||
|
|
output_format: json
|
||
|
|
timeout: 600
|
||
|
|
summary_model:
|
||
|
|
provider: openai
|
||
|
|
model_name: gpt-4o-mini
|
||
|
|
config:
|
||
|
|
temperature: 0
|
||
|
|
top_p: 1
|
||
|
|
max_tokens: 2000
|
||
|
|
timeout: 300
|
||
|
|
extraction:
|
||
|
|
document_engine: auto
|
||
|
|
url_engine: auto
|
||
|
|
audio:
|
||
|
|
concurrency: 3
|
||
|
|
firecrawl:
|
||
|
|
api_url: null
|
||
|
|
docling:
|
||
|
|
output_format: markdown
|
||
|
|
pymupdf:
|
||
|
|
enable_formula_ocr: false
|
||
|
|
formula_threshold: 3
|
||
|
|
ocr_fallback: true
|
||
|
|
youtube_transcripts:
|
||
|
|
preferred_languages:
|
||
|
|
- de
|
||
|
|
- en
|
||
|
|
- es
|
||
|
|
- pt
|
||
|
|
|