dschlueter/youtube_abschrift_korrigieren
Watch
1
0
Fork
You've already forked youtube_abschrift_korrigieren
 0
Code Issues Pull requests Projects Releases Packages Wiki Activity

docs: README um Werkzeugübersicht, Kurzweg und bekannte Grenzen ergänzen

Browse source 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
Dieter Schlüter 2026-10-10 19:23:28 +02:00
commit b0b79515ca
1 changed files with 21 additions and 1 deletions
Download patch file Download diff file Expand all files Collapse all files

22
README.md
View file

@ -4,6 +4,14 @@ Korrigiert automatische Abschriften deutscher Reden (z. B. YouTube-Untertitel al
Text) mit einem lokalen Sprachmodell über Ollama: Rechtschreibung, Satzzeichen, Text) mit einem lokalen Sprachmodell über Ollama: Rechtschreibung, Satzzeichen,
Hörfehler, Absätze – möglichst wortgetreu, ohne Zusammenfassung oder Glättung. 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 ## Voraussetzungen
- Python 3.9+ (nur Standardbibliothek) - 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 ./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` ### Untertitel herunterladen: `yt_untertitel.py`
Lädt die Untertitel eines YouTube-Videos über `yt-dlp` als VTT-Datei, ohne das 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 Willly Brand => Willy Brandt
Kremmel => Kreml Kremmel => Kreml
# Hinweis fürs Modell (korrekte Schreibweise) # Hinweis fürs Modell (korrekte Schreibweise, optional mit Erläuterung)
Multi-Domain Task Force Multi-Domain Task Force
Michael Gorbatschow (Vorname so belassen)
``` ```
Ersetzungen ohne Treffer werden gemeldet (Tippfehler im Glossar). Ersetzungen ohne Treffer werden gemeldet (Tippfehler im Glossar).
@ -179,8 +192,15 @@ Oben in `rede_korrigieren.py`:
## Bekannte Grenzen ## 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 - `qwen3:32b` ohne Denkmodus erkennt Hörfehler ohne Glossar nur teilweise und
setzt kaum `[prüfen: …]`-Marken. Bekannte Fehler gehören deshalb ins Glossar. setzt kaum `[prüfen: …]`-Marken. Bekannte Fehler gehören deshalb ins Glossar.
- Das Verbinden kurzer Absätze achtet nicht auf den Inhalt. - 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 - Abkürzungen wie „z. B.“ oder „2. Weltkrieg“ können als Satzende gelten; das
beeinflusst nur mögliche Absatzgrenzen, nicht den Text. beeinflusst nur mögliche Absatzgrenzen, nicht den Text.