Il progetto
Riguardare due ore di registrazione per ritrovare cinque minuti di spiegazione è tempo perso. Questa pipeline riduce ogni lezione a materiale scritto navigabile, in cinque stadi che si possono eseguire uno alla volta o in sequenza.
Dal video si estrae l'audio, che viene trascritto con Whisper. È l'unico passaggio che gira altrove, su Colab o Kaggle, per avere la GPU: il resto sta in locale. La trascrizione grezza viene poi ripulita da un modello che legge il contesto del corso da un file di configurazione — titolo, docente, pubblico, glossario, obiettivi — così i termini tecnici restano quelli giusti invece di essere storpiati foneticamente.
Sul testo pulito girano due elaborazioni diverse: una produce appunti multi-sezione con esempi e domande di studio, l'altra impagina una dispensa LaTeX annotata secondo una specifica fissa, che marca gli intercalari, le domande alla classe e le correzioni del docente, e la compila in PDF quando pdflatex è disponibile.
La scelta dei modelli è per stadio: quello leggero per pulizia e sintesi, quello più capace per l'impaginazione, che è il compito che regge peggio la semplificazione. Cartelle e modelli si cambiano da variabili d'ambiente, senza toccare il codice.
Il runner unico esegue gli stadi locali di fila e si ferma alla trascrizione: quando i file di Whisper sono al loro posto, basta rilanciarlo e riprende da dove si era interrotto.
