Un prompt peut-il remplacer Podsqueeze ?

Construis un outil local d’épisode-vers-chapitres. Le livrable, ce sont des horodatages, pas de la prose.

Transcription : fais tourner whisper.cpp en local sur l’épisode avec des horodatages au niveau du mot. Diarise les locuteurs avec une heuristique simple d’énergie et de pause et laisse l’utilisateur les renommer, en propageant à travers la transcription. Ne prétends pas à une identification de locuteur automatique fiable.

Segmentation, qui est le cœur de ce projet. Les chapitres viennent de la détection de changement de sujet, pas du fait de demander à un modèle de les inventer :

1. Découpe la transcription en fenêtres chevauchantes d’environ une minute.
2. Calcule un embedding de chaque fenêtre avec un modèle d’embeddings de phrases local.
3. Calcule la similarité entre fenêtres consécutives et trouve les minima locaux — les points où la conversation ressemble le moins à ce qui précédait.
4. Filtre les candidats par une longueur de chapitre minimale, configurable et par défaut de deux minutes, pour qu’une brève digression ne devienne pas un chapitre.
5. Aligne chaque limite acceptée sur le début de phrase le plus proche dans la transcription, pour qu’un chapitre ne commence jamais en plein milieu d’une phrase.
6. Seulement alors, demande à un modèle de titrer chaque segment résultant à partir de son propre texte.

Cet ordre compte. Demander à un modèle de produire des chapitres directement à partir d’une longue transcription donne des horodatages confiants mais faux, parce qu’il n’a aucun sens fiable de la position dans un texte de deux heures. Dériver les limites mécaniquement et les titrer après coup produit des horodatages auxquels un auditeur peut vraiment faire confiance.

Relecture : la transcription avec les limites détectées marquées, chacune déplaçable pour ajustement, avec l’audio lisible depuis n’importe quelle limite pour que l’utilisateur puisse entendre si elle tombe bien. Ajoute ou retire une limite à la main et les titres se régénèrent seulement pour les segments affectés.

Sorties, toutes copiables-collables :

- Chapitres au format qu’acceptent les hébergeurs de podcast : HH:MM:SS suivi du titre, un par ligne.
- Un fichier JSON de chapitres au format Podcasting 2.0.
- Notes d’épisode : un paragraphe par chapitre avec son horodatage lié.
- Citations à mettre en avant : des passages que le modèle marque comme autonomes et citables, chacun avec son horodatage et son locuteur pour pouvoir être vérifié par rapport à l’audio avant publication.
- Une transcription complète en Markdown et WebVTT.

Utilise Anthropic ou OpenAI pour le titrage et les notes, selon la clé configurée. Sans clé, la transcription, la segmentation et l’export d’horodatages doivent continuer à fonctionner — les limites sont la partie précieuse et elles sont calculées en local.

Hors périmètre : le montage audio, la génération de clips vidéo, la publication vers tout hébergeur ou CMS, et le traitement hébergé.