Transcrit des fichiers audio/vidéo stockés sur Google Drive avec Whisper large-v3 en local (via faster-whisper), et crée pour chacun un Google Doc contenant le transcript, dans le même dossier Drive.

Un seul fichier : transcribe.py, lancé avec uv qui installe automatiquement Python et les dépendances au premier lancement.

1. Créer un projet : https://console.cloud.google.com/projectcreate (nom libre, ex. transcribe). Sélectionner ensuite ce projet dans le bandeau en haut de la console pour toutes les étapes suivantes.
2. Activer l'API Google Drive : https://console.cloud.google.com/apis/library/drive.googleapis.com → bouton Enable.
3. Configurer l'écran de consentement OAuth : https://console.cloud.google.com/auth/overview → Get started : nom de l'app libre, votre email, audience External, puis valider. Ajouter ensuite votre compte comme test user : https://console.cloud.google.com/auth/audience → section « Test users » → Add users → [email protected].
4. Créer le client OAuth : https://console.cloud.google.com/auth/clients → Create client → type Desktop app. Télécharger le JSON (bouton ⬇) et l'enregistrer sous ~/.transcribe/credentials.json.

⚠️ Tant que l'app OAuth est en mode « Testing », Google fait expirer le refresh token au bout de 7 jours (il faudra ré-autoriser dans le navigateur). Pour éviter ça, passer l'app « In production » (l'écran « app non vérifiée » s'affiche une fois, sans conséquence pour un usage personnel).

Guide détaillé pas à pas (machine sans outils de dev, Python compris) : INSTALL-WINDOWS.md.

En résumé : winget install astral-sh.uv, copier transcribe.py, c'est tout — uv installe Python automatiquement, et les DLL CUDA (cuBLAS, cuDNN) viennent des wheels pip. Seul un driver NVIDIA récent est requis (pas besoin d'installer le CUDA Toolkit).

VRAM : large-v3 nécessite ~5 Go en float16 ; si le GPU en a moins, le script bascule automatiquement en int8 (~3 Go), puis en CPU en dernier recours.

Fonctionne aussi (CPU uniquement, lent avec large-v3). Utile pour tester le pipeline avec --model tiny.

# Tous les fichiers audio/vidéo d'un dossier Drive (sous-dossiers compris)
# → un Google Doc chacun, créé à côté de son fichier source
uv run transcribe.py "https://drive.google.com/drive/folders/<ID>"

# Forcer la langue, ajouter des timestamps [h:mm:ss] par paragraphe
uv run transcribe.py <ID-dossier> --language fr --timestamps

# Sortie en .txt locaux plutôt qu'en Google Docs
uv run transcribe.py <ID-dossier> --txt ./transcripts

# Source locale (fichier ou dossier) → .txt à côté des fichiers
uv run transcribe.py ~/Videos/reunion.mp4

# Test rapide du pipeline complet avec un petit modèle
uv run transcribe.py <ID-dossier> --model tiny

# Vérifier l'installation (dépendances, GPU, modèle, accès Google) sans rien transcrire
uv run transcribe.py --check

# Corriger le transcript via Claude (vocabulaire anatomique, homophonies)
# avant de créer le Doc
uv run transcribe.py <ID-dossier> --correct

# Corriger les Google Docs DÉJÀ produits, sans retranscrire l'audio
uv run transcribe.py <ID-dossier> --fix

# Résumer les Google Docs de transcript déjà produits
# → un Doc « <nom> - résumé » créé à côté de chacun
uv run transcribe.py <ID-dossier> --summarize

Le même bilan d'environnement s'affiche au début de chaque lancement.

Au premier lancement : le navigateur s'ouvre pour autoriser l'accès Drive (jeton mis en cache dans ~/.transcribe/token.json), et le modèle large-v3 (~3 Go) est téléchargé depuis Hugging Face (mis en cache ensuite).

Un avertissement « unauthenticated requests to the HF Hub » peut s'afficher : il est sans conséquence (modèles publics). Pour de meilleures limites de débit lors du premier téléchargement, créer un token Read sur https://huggingface.co/settings/tokens et le définir dans la variable d'environnement HF_TOKEN (PowerShell : setx HF_TOKEN "hf_xxxx" ; macOS : export HF_TOKEN=...).

Les sous-dossiers sont parcourus récursivement ; chaque Google Doc est créé dans le sous-dossier de son fichier source (avec --txt, l'arborescence est reproduite). Les fichiers déjà transcrits (un Google Doc du même nom existe dans le même sous-dossier) sont ignorés et passés sans re-traitement — --force pour retranscrire.

Whisper transcrit phonétiquement et se trompe sur les homophonies (« bouillon de culture » → « brouillon de culture ») et le vocabulaire anatomique. La correction passe le transcript dans Claude avec un prompt contenant le contexte technique (thérapie manuelle, ostéopathie, anatomie) et un glossaire de termes du domaine :

• --correct : corrige chaque transcript juste après la transcription, avant de créer le Google Doc ;
• --fix : ne retranscrit rien — corrige les Google Docs (ou .txt) déjà produits et les met à jour en place (même lien). Seuls les Docs correspondant à un fichier audio/vidéo du même sous-dossier sont traités.

Les transcripts déjà corrigés sont marqués (métadonnée appProperties sur le Doc Drive, fichier .transcribe-state.json en local) : relancer --fix les ignore — --force pour recorriger malgré tout.

Pré-requis : Claude Code installé et connecté (une souscription Claude Pro/Max suffit, pas besoin de clé API) — la correction appelle claude -p en mode headless. Installation : https://claude.ai/download, puis lancer claude une fois pour se connecter. La commande claude est cherchée dans le PATH, puis dans ~/.local/bin (installateur natif) ; le bilan d'environnement affiche le chemin retenu. Si claude -p échoue (session non connectée…), le message rapporte la sortie de la commande.

Le glossaire du domaine vit dans glossaire.txt (versionné à côté du script — somatopathie/méthode Poyet, crânio-sacré, anatomie, gynécologie, maternité/périnatalité, énergétique) : enrichis-le directement, un terme par ligne. Des ajouts personnels locaux sont aussi possibles dans ~/.transcribe/glossaire.txt. --claude-model permet de choisir le modèle (défaut : celui configuré dans Claude Code).

--summarize ne retranscrit rien : il parcourt le dossier Drive (sous-dossiers compris), et pour chaque fichier audio/vidéo dont le Google Doc de transcript existe dans le même sous-dossier, en produit un résumé structuré via Claude (titre, synthèse, sections par thème, techniques et protocoles décrits, points à retenir) dans un nouveau Google Doc « <nom> - résumé » créé juste à côté. Le Markdown produit est importé par Drive en titres et listes.

Les transcripts dont le Doc de résumé existe déjà sont ignorés — --force pour régénérer le résumé (le Doc existant est alors mis à jour en place). Les transcripts très longs sont résumés par parties, puis les résumés partiels sont fusionnés. Idéalement, lancer --fix avant --summarize pour résumer un transcript déjà corrigé.

En local (dossier de .txt), le résumé est écrit dans un fichier <nom> - résumé.md à côté de chaque transcript.

Mêmes pré-requis que la correction : Claude Code installé et connecté, glossaire.txt à côté du script ; --claude-model s'applique aussi.