- Kombiniert yt_untertitel.py und vtt2txt.py; die VTT bleibt temporär
- Standardsprache ist die des Original-Audios (original_language())
- -o Ausgabedatei, Standard output.txt
- Tests ohne Netz, README
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
- yt_untertitel.py lädt über yt-dlp die Untertitel eines Videos als VTT:
manuelle Untertitel in der Sprache, sonst automatische in Originalsprache
(<lang>-orig); Maschinenübersetzungen werden nie genommen
- Tests ohne Netz (yt-dlp durch Fakes ersetzt)
- Testdaten: Lahnstein-Rede (VTT und daraus erzeugter Rohtext)
- README: Ablauf URL → VTT → TXT → Korrektur
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
- magdeburg.glossar.txt: 64 feste Ersetzungen (Namen, Orte, Hörfehler)
und 10 Hinweis-Begriffe; jede Ersetzung trifft den Rohtext
- Test prüft jetzt beide Beispiel-Glossare gegen ihre Testdaten
- README: Glossare zu beiden Testdaten erwähnt
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
- testdaten/magdeburg.de-orig.vtt (YouTube-Auto-Untertitel) und der daraus
mit vtt2txt.py erzeugte Rohtext magdeburg.de-orig.txt
- Test: jede Beispiel-VTT ergibt genau ihre .txt
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
- vtt2txt.py als Kommandozeilenprogramm: -i nimmt mehrere Dateien und
Muster (auch ohne Shell-Expansion), -o eine Datei oder ein Verzeichnis
- Rollende YouTube-Untertitel über die Überlappung aufeinanderfolgender
Blöcke entdoppeln; echte Wiederholungen des Redners bleiben erhalten
- Fix: Blöcke nur an wirklich leeren Zeilen trennen; Text nach einer
Leerzeichen-Zeile ging verloren (u. a. das letzte [applaus])
- Schutz gegen Überschreiben der Eingabe und doppelte Ausgabedateien,
klare Meldung bei Nicht-UTF-8, Stapel läuft bei Fehlern weiter
- rede_korrigieren.py nimmt .vtt direkt an
- testdaten/ramstein.de.txt neu erzeugt (+ abschließendes [applaus])
- pytest: global installiertes asyncio-Plugin abschalten (Warnung)
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
33 Tests mit Fakes für die Modellaufrufe: Abschnittsbildung, Glossar
(jede Ersetzung trifft die Testdaten), Streaming-Auswertung und
Fehlerfälle, Satztrennung, Absatzgliederung inkl. Teilen/Verbinden,
Zwischenspeicher und Kommandozeile.
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Automatische YouTube-Untertitel (.vtt) und Rohtext (.txt) als Eingabe
für ramstein.glossar.txt; README um Abschnitt Testdaten ergänzt.
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
CLI (-i/-o/-g) korrigiert automatische Abschriften abschnittsweise mit
qwen3:32b: Satzende-Trennung, feste Glossar-Ersetzungen vor dem Modell,
Wortzahl-Prüfung, Zwischenspeicher mit Fortsetzen, Streaming-Fortschritt
und Absatzgliederung über Satznummern (3–10 Sätze pro Absatz).
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
