Immutable. This exact content is served forever at /api/v1/blob/fd801a95e4ceaaeb.
---
name: transkription
version: 0.1.0
type: assist
author: ellmos-ai
created: 2026-06-22
updated: 2026-06-22
description: >
Transkribiert Audio-/Video-Dateien in Text. Nutzt Whisper (openai-whisper)
oder Vosk (offline) als optionales Backend — beide werden per Presence-Check
erkannt. Ohne Backend: Platzhalter-Modus mit Dummy-Ausgabe (Dry-Run).
standalone: true
anthropic_compatible: true
bach_compatible: false
bach_origin: false
category: assist
tags:
- transkription
- audio
- speech-to-text
- whisper
- vosk
- offline
language: de
status: active
dependencies:
tools: []
services: []
protocols: []
python:
- name: openai-whisper
optional: true
install: "pip install openai-whisper"
purpose: "STT-Backend Option 1 (cloud/local model)"
- name: vosk
optional: true
install: "pip install vosk"
purpose: "STT-Backend Option 2 (vollständig offline)"
provenance:
origin: eigenentwurf
origin_path: ""
origin_version: ""
origin_repo: ""
origin_license: MIT
last_sync_from_origin: ""
notes: >
Kein direkter BACH-Origin vorhanden (transkriptions-service existiert nicht
als Datei in BACH/system). Skill neu konzipiert. voice_stt.py aus
BACH/hub/_services/voice/ hat das Backend-Muster inspiriert (optionale
Imports mit Verfügbarkeits-Flags), wurde aber nicht direkt portiert.
---
## Zweck
Audio-/Video-Dateien in Text umwandeln — lokal, ohne Cloud-Pflicht. Der Skill
erkennt selbst, ob Whisper oder Vosk installiert ist, und wählt das beste
verfügbare Backend. Ohne Backend läuft er im Dry-Run-Modus und gibt einen
Platzhaltertext zurück, sodass der Workflow immer funktioniert.
Transkripte werden lokal in `transkription/store.db` gespeichert und können
abgefragt werden.
---
## Trigger
| Phrase | Aktion |
|---|---|
| „Transkribiere diese Audio" | Audio-Datei transkribieren |
| „Transkribiere [Datei]" | Benannte Datei transkribieren |
| „Zeig meine Transkripte" | Letzte Transkripte auflisten |
| „Suche Transkript [Begriff]" | Volltextsuche in Transkripten |
| „Exportiere Transkript [ID]" | Transkript als TXT exportieren |
---
## Workflow
1. **Backend-Check**: Prüfen ob `whisper` oder `vosk` importierbar ist.
2. **Datei-Prüfung**: Eingabedatei muss existieren (Audio: wav, mp3, m4a, ogg, flac; Video: mp4, mkv, webm — Extraktion via ffmpeg).
3. **Transkription**: Backend aufrufen und Rohtext erhalten.
4. **Speichern**: Ergebnis mit Metadaten (Datei, Dauer, Sprache, Backend, Zeitstempel) in `store.db`.
5. **Ausgabe**: Text zurückgeben; optional als `.txt` exportieren.
---
## CLI-Einstieg
```bash
# Datei transkribieren
python transkription_core.py transcribe audio.wav
# Mit expliziter Sprache
python transkription_core.py transcribe audio.mp3 --lang de
# Dry-Run (kein Backend nötig)
python transkription_core.py transcribe audio.wav --dry-run
# Transkripte auflisten
python transkription_core.py list [--limit 20]
# Volltextsuche
python transkription_core.py search "Begriff"
# Exportieren
python transkription_core.py export <id> [--out datei.txt]
# Backend-Check
python transkription_core.py check
# Alternativer Store-Pfad (z.B. für Tests)
python transkription_core.py --store /tmp/test.db transcribe audio.wav --dry-run
```
---
## Store
| Eigenschaft | Wert |
|---|---|
| Typ | SQLite |
| Pfad (Standard) | `skills/assist/transkription/store.db` |
| Override | `--store <pfad>` oder Env `TRANSKRIPTION_STORE` |
| Tabellen | `transcripts` |
### Schema `transcripts`
```sql
CREATE TABLE IF NOT EXISTS transcripts (
id TEXT PRIMARY KEY, -- UUID (kurz: 8 Hex)
file_path TEXT NOT NULL, -- Originalpfad der Audiodatei
file_name TEXT NOT NULL, -- Dateiname (ohne Pfad, für Anzeige)
text TEXT NOT NULL, -- Transkribierter Text
language TEXT, -- Sprache (z.B. "de", "en")
backend TEXT, -- "whisper" | "vosk" | "dry-run"
duration_s REAL, -- Dauer in Sekunden (wenn bekannt)
created_at TEXT NOT NULL, -- ISO-8601 Timestamp
tags TEXT -- Komma-getrennte Tags (optional)
);
```
---
## Haltung
- Ohne installiertes Backend funktioniert der Skill im Dry-Run-Modus (Demo-Text).
- Whisper wird gegenüber Vosk bevorzugt (bessere Deutsch-Qualität).
- Die Wahl zwischen Whisper und Vosk kann per `assist/prefs.json` (`transkription_backend: "whisper"|"vosk"|"auto"`) festgelegt werden.
- ffmpeg für Video-Extraktion wird separat benötigt und ist nicht im Skill enthalten.
---
## Datenschutz
- **Alle Transkripte bleiben lokal** — keine Cloud-Übertragung ohne Whisper-Online-Modus.
- Whisper kann lokal (tiny/base/medium-Modell) oder über OpenAI-API genutzt werden.
Standardmäßig wird das lokale Modell verwendet.
- `store.db` enthält potenziell sensible Gesprächsinhalte — **nicht in Git committen**.
- Empfehlung: `.gitignore` um `store.db` ergänzen.
---
## Verwandte Ressourcen
- BACH `hub/_services/voice/voice_stt.py` — Backend-Muster (Inspiration, read-only)
- Skill `utilities/yt-transcriber` — YouTube-Transkription (separater Skill, kein Duplikat: YT-spezifisch)
- `tools/module-installer/module_installer.py` — Registry enthält whisper + vosk
---
## Changelog
| Version | Datum | Änderung |
|---|---|---|
| 0.1.0 | 2026-06-22 | Erstanlage — eigener SQLite-Store, Whisper/Vosk-Presence-Check |