From b0b79515ca95e1b2f02e9627891627e371b48281 Mon Sep 17 00:00:00 2001 From: dschlueter Date: Sat, 10 Oct 2026 19:23:28 +0200 Subject: [PATCH] =?UTF-8?q?docs:=20README=20um=20Werkzeug=C3=BCbersicht,?= =?UTF-8?q?=20Kurzweg=20und=20bekannte=20Grenzen=20erg=C3=A4nzen?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Co-Authored-By: Claude Opus 5.5 --- README.md | 22 +++++++++++++++++++++- 1 file changed, 21 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index 1086f4d..aa39ae9 100644 --- a/README.md +++ b/README.md @@ -4,6 +4,14 @@ Korrigiert automatische Abschriften deutscher Reden (z. B. YouTube-Untertitel al Text) mit einem lokalen Sprachmodell über Ollama: Rechtschreibung, Satzzeichen, Hörfehler, Absätze – möglichst wortgetreu, ohne Zusammenfassung oder Glättung. +Drei Werkzeuge, einzeln oder hintereinander nutzbar: + +| Skript | Aufgabe | +|---|---| +| `yt_untertitel.py` | Untertitel eines YouTube-Videos als VTT herunterladen | +| `vtt2txt.py` | VTT in eine Rohabschrift (Text) umwandeln | +| `rede_korrigieren.py` | Rohabschrift (oder VTT direkt) mit dem Sprachmodell korrigieren | + ## Voraussetzungen - Python 3.9+ (nur Standardbibliothek) @@ -26,6 +34,10 @@ Ablauf von der YouTube-URL zum korrigierten Text: ./rede_korrigieren.py -i testdaten/Lahnstein.de-orig.txt ``` +Der mittlere Schritt ist optional: `rede_korrigieren.py -i testdaten/Lahnstein.de-orig.vtt` +wandelt die Untertitel selbst um. Die `.txt` lohnt sich, um den Rohtext anzusehen +oder ein Glossar daraus zu erstellen. + ### Untertitel herunterladen: `yt_untertitel.py` Lädt die Untertitel eines YouTube-Videos über `yt-dlp` als VTT-Datei, ohne das @@ -116,8 +128,9 @@ Eine Zeile pro Eintrag, `#` leitet Kommentare ein: Willly Brand => Willy Brandt Kremmel => Kreml -# Hinweis fürs Modell (korrekte Schreibweise) +# Hinweis fürs Modell (korrekte Schreibweise, optional mit Erläuterung) Multi-Domain Task Force +Michael Gorbatschow (Vorname so belassen) ``` Ersetzungen ohne Treffer werden gemeldet (Tippfehler im Glossar). @@ -179,8 +192,15 @@ Oben in `rede_korrigieren.py`: ## Bekannte Grenzen +- Das Modell ändert gelegentlich Wörter eigenmächtig, auch sinnverändernd + (Magdeburg-Rede ohne Glossar: „Professor“ → „Professorin“, „gedeiliche“ → + „geregelte“ statt „gedeihliche“). Stichproben lohnen sich; gefundene Fälle + gehören ins Glossar. - `qwen3:32b` ohne Denkmodus erkennt Hörfehler ohne Glossar nur teilweise und setzt kaum `[prüfen: …]`-Marken. Bekannte Fehler gehören deshalb ins Glossar. - Das Verbinden kurzer Absätze achtet nicht auf den Inhalt. +- `vtt2txt.py` erkennt Wiederholungen an der Überlappung aufeinanderfolgender + Untertitel-Blöcke. Bei Untertiteln ohne rollendes Fenster gehen deshalb zwei + direkt aufeinanderfolgende, identische Blöcke zu einem zusammen. - Abkürzungen wie „z. B.“ oder „2. Weltkrieg“ können als Satzende gelten; das beeinflusst nur mögliche Absatzgrenzen, nicht den Text.