analyze_media

Анализирует один или несколько медиафайлов с помощью FFprobe перед транскрипцией. Для одного файла: возвращает длительность, размер, кодек и примерное время транскрипции на CPU и GPU. Для папки: сканирует все поддерживаемые медиафайлы и возвращает отсортированную таблицу с той же информацией для каждого. Используйте это, чтобы планировать пакетную работу, оценить, сколько времени займет транскрипция, или проверить, что уже транскрибировано.

Параметры

pathstringобязательный
Absolute Windows path to a single file or a folder.
sort_byenum
For folder scans: sort order. Defaults to duration (shortest first).
durationnamesize

check_batch_progress

Проверяет статус batch, запущенного с помощью start_batch. Автоматически переходит к следующему файлу, когда текущий завершается. Возвращает общий прогресс, текущий файл, файлы с ошибками и прошедшее время. Вызывайте повторно, пока batch не покажет завершение.

Параметры

batch_idstringобязательный
Batch ID returned by start_batch.

check_config

Убедитесь, что whisper-cli.exe, модель и FFmpeg доступны. Запустите это сначала, если что-то не работает.

Параметры

Без параметров.

check_progress

Проверяет статус фоновой задачи транскрипции, запущенной через transcribe_audio (background=true). Возвращает текущий прогресс, затраченное время, временную метку последней обработанной части и сам текст расшифровки по завершении. Вызывайте повторно, пока задача не перейдет в статус "завершено" или "ошибка". ⚠️ Конфиденциальность: расшифрованный текст при завершении обрабатывается API Claude. Если передать privacy_mode=true, при этой проверке вернутся только метаданные — независимо от того, как была запущена задача.

Параметры

job_idstringобязательный
Job ID returned by transcribe_audio when background=true.
privacy_modeboolean
Override privacy mode for this check. true = metadata only. Omit to use the setting from when the job was started.

check_system

Определяет аппаратное обеспечение GPU и проверяет доступность ускорения Vulkan. Сообщает название GPU, объем видеопамяти VRAM, установлен ли бинарный файл Vulkan, и рекомендует лучшую модель Whisper для вашего оборудования.

Параметры

Без параметров.

download_model

Скачайте модель Whisper с Hugging Face прямо в вашу директорию models. Принимает название модели (например, large-v3-turbo, medium.en-q5_0) и обрабатывает загрузку автоматически. Загружает только из доверенных пространств имён Hugging Face (ggerganov/whisper.cpp и ggml-org). После загрузки используйте switch_model, чтобы активировать её для текущей сессии.

Параметры

model_namestringобязательный
Model name to download, e.g. 'large-v3-turbo', 'medium.en-q5_0'. Use list_models to see what is already installed.

generate_subtitles

Генерирует файлы субтитров для аудио- или видеофайла с помощью whisper.cpp. Установите language='auto', чтобы автоматически определить язык речи. Установите translate_to_english=true, чтобы также создать файл субтитров с переводом на английский. Поддерживает выходные форматы SRT и WebVTT (VTT). Когда запрошены и исходные, и переведённые субтитры, сохраняется два файла: один на исходном языке и один английский перевод. Загрузите SRT в VLC через Subtitle → Add Subtitle File. VTT работает в веб-плеерах и HTML5-видео. Поддерживает все стандартные форматы, а также .3gp и .ts.

Параметры

file_pathstringобязательный
Absolute Windows path to the file.
languagestring
Language code (e.g. ja, es, fr, de) or 'auto' to detect automatically. Defaults to en.
output_formatenum
srt = SubRip subtitle (default, widest compatibility), vtt = WebVTT (web and HTML5 video).
srtvtt
translate_to_englishboolean
Also generate an English translation subtitle file alongside the native language file. Only applies when language is not 'en'. Not available in background mode.
backgroundboolean
Run as a detached background job — recommended for files over 10 minutes. Returns a job ID to use with check_progress. translate_to_english is not available in background mode.
threadsnumber
CPU threads. Defaults to 2 of 1.
temperaturenumber
Sampling temperature 0.0–1.0. Default 0.0.
promptstring
Prior context string for domain-specific vocabulary or speaker names.
beam_sizenumber
Beam search width. Higher = more accurate, slower. Default 5.
best_ofnumber
Candidate sequences evaluated. Default 5.
diarizeboolean
Stereo speaker diarization. Requires stereo audio.
tinydiarizeboolean
Mono speaker-turn detection (TinyDiarize). Requires a tdrz model (small.en-tdrz) activated via switch_model.
vad_modelstring
Path to Silero VAD model .bin. Strips silence before transcription.
gpu_devicenumber
GPU/Vulkan device index for multi-GPU systems. Overrides the WHISPER_GPU_DEVICE env default. Check whisper-cli's startup log for the index that lists your target card.

list_models

Перечислите все файлы модели Whisper, установленные в вашей директории моделей. Показывает имя файла, размер, активна ли она в данный момент, статус квантизации и рекомендуемый вариант использования для каждой модели. Без сетевых вызовов - читает только локальную файловую систему.

Параметры

Без параметров.

start_batch

Запускает автоматическую последовательную пакетную транскрипцию всех нетранскрибированных файлов в папке. Сканирует файлы без соответствующего .txt, сортирует по длительности (сначала самые короткие) и обрабатывает их по одному — как фоновые задачи. Каждый файл проверяется после завершения: пустые или подозрительно короткие результаты помечаются. Пакет сам переходит к следующему файлу без опроса, когда каждый файл заканчивается. Возвращает batch ID — используй его с check_batch_progress. ⚠️ Приватность: когда privacy_mode активен, нужно одно подтверждение перед запуском пакета. Все файлы затем обрабатываются без вашего участия. Текст транскрипции не возвращается в API.

Параметры

folder_pathstringобязательный
Absolute Windows path to the folder.
languagestring
Language code. Defaults to en.
threadsnumber
CPU threads. Defaults to 2 of 1.
output_formatenum
timestamps = with time codes (default), text = plain. Applies to all files in the batch.
timestampstext
privacy_modeboolean
Override privacy mode for this batch. When active, requires one confirmation before batch start. All files process unattended with no transcript text returned.

switch_model

Переключает активную модель Whisper для текущей сессии без перезапуска Claude Desktop. Принимает имя файла модели (например, ggml-large-v3-turbo.bin) или полный путь. Модель должна быть уже установлена в вашей директории моделей. Изменение действует в рамках сессии — не сохраняется после перезапуска Claude Desktop.

Параметры

model_namestringобязательный
Model filename (e.g. ggml-large-v3-turbo.bin) or full path. Must be a .bin file in the configured models directory.

transcribe_audio

Транскрибирует одно аудио- или видеофайл с помощью whisper.cpp на Windows. Нативно поддерживает mp3 и wav. Автоматически конвертирует mp4, mkv, avi, mov, webm, m4a, flac, ogg и другие через FFmpeg — ручная конвертация не нужна. По умолчанию вывод в формате с временными метками (таймкоды). Для файлов, обработка которых может занять больше 4 минут, установите background=true — задача выполняется в фоне, а для отслеживания используйте check_progress. ⚠️ Конфиденциальность: текст расшифровки, возвращаемый этим инструментом, обрабатывается API Claude. Передайте privacy_mode=true в этот инструмент, чтобы включить режим ответов только с метаданными — текст расшифровки передаваться не будет. Чтобы включить глобально, установите WHISPER_PRIVACY_MODE=true в переменной окружения. Когда режим конфиденциальности активен, перед каждой операцией требуется подтверждение.

Параметры

file_pathstringобязательный
Absolute Windows path, e.g. C:\Users\You\Downloads\recording.mp4
modelstring
Override model path. Leave blank to use active model.
languagestring
Language code (e.g. en, ja, es, fr) or 'auto' to detect automatically. Defaults to en.
output_formatenum
timestamps = with time codes (default), text = plain, json = structured, srt = SRT subtitle file, vtt = WebVTT subtitle file, lrc = LRC lyrics/karaoke, csv = CSV with timestamps.
timestampstextjsonsrtvttlrccsv
threadsnumber
CPU threads. Defaults to 2 of 1.
save_to_fileboolean
Save transcript as .txt next to the source file.
backgroundboolean
Run as a detached background job. Returns a job ID immediately. Use check_progress to monitor. Recommended for files over 10 minutes.
privacy_modeboolean
Override privacy mode for this call. true = metadata only, no transcript text transmitted to API. false = return text (even if WHISPER_PRIVACY_MODE=true globally). Omit to use global WHISPER_PRIVACY_MODE setting. When active, requires confirmation before each operation.
temperaturenumber
Sampling temperature 0.0–1.0. Default 0.0 (deterministic).
promptstring
Prior context string injected before transcription. Improves accuracy for domain-specific vocabulary or speaker names. Example: 'Names: Keemstar, DramaAlert.'
condition_on_prev_textboolean
Re-enable conditioning each segment on its own prior output. Default false.
no_speech_tholdnumber
Confidence threshold below which segments are treated as silence. Default 0.6.
beam_sizenumber
Beam search width. Higher = more accurate but slower. Default 5.
best_ofnumber
Number of candidate sequences to evaluate. Default 5.
gpu_devicenumber
GPU/Vulkan device index for multi-GPU systems. Overrides the WHISPER_GPU_DEVICE env default. Check whisper-cli's startup log for the index that lists your target card.
processorsnumber
Number of parallel processors. Default 1.
word_timestampsboolean
Output one word per timestamped segment. Useful for clip alignment.
max_segment_lengthnumber
Maximum segment length in characters.
split_on_wordboolean
Split segments at word boundaries.
diarizeboolean
Stereo speaker diarization — requires stereo audio with speakers on separate channels.
tinydiarizeboolean
Mono speaker-turn detection (TinyDiarize). Marks '[SPEAKER_TURN]' at speaker changes on single-channel audio. Requires a tdrz model (small.en-tdrz) — download it with download_model and activate with switch_model first.
vad_modelstring
Absolute path to a Silero VAD model .bin file. Strips silence before transcription.
offset_tnumber
Start transcription at this offset in milliseconds.
durationnumber
Process only this many milliseconds of audio from offset_t.

transcribe_batch

Транскрибирует несколько аудио/видео файлов в папке в интерактивном режиме, по одному за раз. Показывает предпросмотр каждой расшифровки и ждёт подтверждения перед продолжением. Сохраняет каждую расшифровку как .txt файл рядом с исходником. Файлы, уже расшифрованные (с соответствующим .txt), помечаются как готовые и пропускаются. Поддерживаемые форматы: mp3, wav, mp4, mkv, avi, mov, webm, m4a, flac, ogg. ПРИМЕЧАНИЕ: для больших пакетных задач без присмотра используйте start_batch. ⚠️ Конфиденциальность: предпросмотр расшифровок обрабатывается API Claude. Установите privacy_mode=true, чтобы скрыть предпросмотр и возвращать только метаданные. Когда режим конфиденциальности активен, требуется подтверждение перед каждым файлом.

Параметры

folder_pathstringобязательный
Absolute Windows path to the folder.
file_indexnumber
Which file to process (1-based). Omit to list files first.
languagestring
Language code. Defaults to en.
threadsnumber
CPU threads. Defaults to 2 of 1.
recursiveboolean
Include subfolders. Defaults to false.
output_formatenum
timestamps = with time codes (default), text = plain.
timestampstext
privacy_modeboolean
Override privacy mode for this call. When active, requires confirmation before each file and returns metadata only.

whisper_server

Запустить, остановить или проверить состояние постоянного сервера модели whisper. Когда сервер работает, активная модель остаётся в VRAM, и каждый вызов transcribe_audio / transcribe_batch обслуживается через localhost без перезагрузки — это устраняет затраты на загрузку модели для каждого файла (значительное ускорение для множества коротких файлов). ⚠️ Постоянная модель занимает GPU VRAM на всё время жизни сервера, поэтому запускайте его осознанно, сделайте свою работу, а затем остановите, чтобы вернуть GPU другим приложениям. Пока сервер работает, фоновые задачи, start_batch, generate_subtitles, а также lrc/csv или расширенные параметры для отдельных вызовов недоступны (им нужен одноразовый CLI, и они будут конкурировать за GPU) — остановите сервер, чтобы их использовать. Привязан только к localhost.

Параметры

actionenumобязательный
start = launch the server with the active model resident; stop = shut it down and free VRAM; status = report whether it is running, the resident model, port, and uptime.
startstopstatus