Зачем это нужно

Я часто скачиваю видео с ютуба, чтобы перекинуть в телеграм канал. В телеграме видео можно глянуть и без звука, да и принято щас так, как в рилсах кароче. Да и ролики бывают не на славянских языках, вшивать их каждый раз руками это эт лень.

Я запилил эмсипи-сервер для оупенкода, который делает всё одной командой: скачивает видео, достаёт субтитры (русские или английские), переводит их на русский прямо в чате и вшивает в видео. Никаких апи-ключей, никаких внешних сервисов — только yt-dlp, ffmpeg и сам оупенкод.

Как это работает

Процесс выглядит так:

1. Спрашиваю у оупенкода «скачай видос с ютуба, вшей субтитры»
2. Оупенкод спрашивает у меня ссылку и куда сохранить
3. Эмсипи сервер скачивает видео в 480p (для телеграма самое то)
4. Сервер достаёт субтитры — сперва русские если есть, если нет — английские
5. Если субтитры на английском, оупенкод переводит их на русский прямо в диалоге
6. Ффмпег вшивает субтитры в видео
7. Готовый файл лежит в ~/Downloads

Всё это занимает пару минут и не требует ни одной команды в терминале.

Архитектура

Система состоит из трёх частей:

1. Эмсипи-сервер

Пайтон-скрипт на FastMCP с четырьмя инструментами:

• download_video — скачивает 480p через yt-dlp
• extract_subs — достаёт субтитры (с авто-субтитрами как запасной вариант)
• save_subs — сохраняет переведённые субтитры
• burn_subs — вшивает субтитры через ffmpeg

Сервер лежит в ~/.config/opencode/mcp/youtube_mcp_server.py:

Скачать готовый файл

2. Регистрация в оупенкод

Добавляем в ~/.config/opencode/opencode.jsonc:

"youtube": {
  "type": "local",
  "command": [
    "/Users/ваш_юзер/.config/opencode/mcp/venv/bin/python3",
    "/Users/ваш_юзер/.config/opencode/mcp/youtube_mcp_server.py"
  ]
}

3. Скилл

Чтобы оупенкод сам понимал когда вызывать инструменты, создаём скилл в ~/.opencode/skills/youtube-processor/SKILL.md:

Скачать готовый файл

В скилле описана последовательность: спросить ссылку и путь → скачать → достать субтитры → если английские — перевести → вшить → отдать результат.

Как я перевожу субтитры без апи-ключей

Самый ленивый момент — перевод. Вместо того чтобы дёргать гугл-транслейт или оплачивать апи, я просто отдаю текст субтитров самому оупенкоду. Он переводит всё в диалоге, сохраняя таймкоды и структуру SRT, сохраняет обратно и передаёт на вшивание. Можно локально конечно, но не у всех есть. Да и в целом зачем лишний шаг.

Что получилось в итоге

Протестировал на видео со новостями на стопгейм, ютуб выдаёт автоматические русские субтитры, так что перевод не понадобился. Видео 8 минут скачалось за 10 секунд, субтитры за 3 секунды, вшивание заняло пару минут. На выходе — mp4 со встроенными субтитрами, готовый для телеграма.

Если у видео нет русских субтитров, оупенкод скачает английские и переведёт их на русский прямо в диалоге — никаких лишних телодвижений.

Особенности

• Для работы нужен FFMpeg с libass. Если subtitles фильтр не найден — brew install libass && brew install homebrew-ffmpeg/ffmpeg/ffmpeg
• Если субтитров нет вообще — оупенкод спросит, сохранить видео без них или отменить
• Для “возрастных видео” может понадобиться куки браузера

Зачем это нужно

В работе с оупенкодом да и с агентами в целом, постоянно нужно читать документы, пдф файлы, эксель таблицы, презентации и прочие, не очень текстовые форматы. ЭЛЛ’мки хорошо понимают макрдаун, поэтому задача конвертации в маркдаун возникает постоянно. Также таким образом я — набиваю свое хранилище в обсидиан всякими гайдами.

Майкрософт выпустила утилиту MarkItDown пайтон библиотеку, которая умеет конвертировать, практически, всё во что угодно в маркдаун:

• *.PDF
• *.DOCX
• *.XLSX
• *.PPTX
• HTML
• *.EPUB
• *.XML
• ну и так далее

Что такое MCP и как это работает

MCP (Model Context Protocol) — это стандарт, который позволяет подключать внешние инструменты к эай-ассистентам (в нашем случае — к оупенкод). Через эмсипи мы даём оупенкод возможность выполнять произвольные действия: читать файлы, запускать команды, ходить в эпиай.

Мы создадим эмсипи сервер, который оборачивает MarkItDown в один простой инструмент convert_to_markdown. После этого оупенкод сможет сам сконвертировать файл в маркдаун, когда это понадобится.

Установка

1. Виртуальное окружение и зависимости

Макось больше не разрешает ставить пакеты через pip глобально, поэтому создадим venv и установим всё туда:

python3 -m venv ~/.config/opencode/mcp/venv
~/.config/opencode/mcp/venv/bin/pip3 install 'markitdown[all]' 'mcp[cli]'

Разбиваем на составляющие: markitdown[all] сама библиотека конвертации со всеми опциональными зависимостями, mcp[cli] Python SDK для создания эмсипи-серверов.

2. Скрипт эмсипи-сервера

Создаём файл ~/.config/opencode/mcp/markitdown_server.py:

Скачать готовый файл

from mcp.server.fastmcp import FastMCP
from markitdown import MarkItDown
import os

mcp = FastMCP("MarkItDown")

@mcp.tool()
def convert_to_markdown(file_path: str) -> str:
    """Convert any supported file (PDF, DOCX, PPTX, XLSX, HTML, EPUB, XML) to Markdown."""
    file_path = os.path.expanduser(os.path.abspath(file_path))
    if not os.path.exists(file_path):
        return f"Error: File not found: {file_path}"
    md = MarkItDown()
    result = md.convert(file_path)
    return result.text_content

if __name__ == "__main__":
    mcp.run(transport="stdio")

Здесь мы используем FastMCP - фреймворк, который берёт на себя всю работу: парсинг JSON-RPC, логирование и т.д. Кароче способ для ленивых.

3. Регистрация в оупенкод

Добавляем сервер в ~/.config/opencode/оупенкод.jsonc:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "bb-browser": { ... },
    "markitdown": {
      "type": "local",
      "command": [
        "/Users/beaverbloger/.config/opencode/mcp/venv/bin/python3",
        "/Users/beaverbloger/.config/opencode/mcp/markitdown_server.py"
      ]
    }
  }
}

Готово! оупенкод теперь знает про сервер и будет вызывать его автоматически.

4. Скилл для оупенкод

Чтобы агент сам знал когда вызывать convert_to_markdown, создаём скилл. Он подскажет агенту какие форматы поддерживаются и как сохранять результат.

Создайте файл ~/.opencode/skills/markitdown-converter/SKILL.md:

Скачать готовый файл

---
name: markitdown-converter
description: Convert files to Markdown using MCP tool
---

When the user provides a file in a non-text format that needs to be read or converted to Markdown:

1. **Supported formats:** `.pdf`, `.docx`, `.xlsx`, `.pptx`, `.html`, `.epub`, `.xml`

2. **Use the `convert_to_markdown` MCP tool** with the file path. The path can be:
   - Absolute: `/Users/name/file.pdf`
   - With `~`: `~/Downloads/file.docx`
   - Relative: `./file.xlsx`

3. **Save the result** as `.md` file next to the original:
   - `~/Documents/doc.pdf` → `~/Documents/doc.md`
   - `~/Downloads/report.xlsx` → `~/Downloads/report.md`

4. **Return the path** to the saved `.md` file to the user.

Теперь оупенкод сам понимает — файл не текстовый, надо конвертнуть.

Как это работает

Когда оупенкоду нужно обработать документ, он:

1. Видит, что есть инструмент convert_to_markdown
2. Отправляет к эмсипи-запрос с путём к файлу
3. Наш сервер запускает MarkItDown, конвертирует файл
4. Возвращает готовый маркдаун

Всё это происходит прозрачно. Оупенкод может вызвать этот инструмент самостоятельно, когда понимает, что файл нужно прочитать.

Проверка

Перезапустим оупенкод чтобы эмсипи у нас подхватился и просим конвертировать файл пдф в маркдаун. Или просто скажи «прочитай этот файл» — скилл подскажет агенту что делать и тот сам вызовет convert_to_markdown:

• Результат

Особенности

Из коробки библиотека использует встроенные инструменты: pdfplumber для пдф, mammoth для DOCX, openpyxl для XLSX, python-pptx для PPTX, beautifulsoup4 для HTML и т.д.

Итого

MarkItDown как эмсипи-сервер для оупенкод для меня это полезная комбинация. Юзайте для себя и вашего агента.

Зачем это нужно

Оупенкод хорош, но у него есть ограничение — он ничего не знает о мире за пределами того, что заложено в моделях которые ты юзаешь в агенте.

DuckDuckGo Search MCP сервер решает эту проблему: он даёт оупенкод два инструмента — поиск в вебе и загрузку контента со страниц. Теперь агент может сам сходить в поисковик за актуальной информацией.

Чем это отличается от встроенного WebFetch? WebFetch умеет только загружать контент по конкретному URL. Если агент не знает адрес — он бесполезен. А DuckDuckGo Search MCP добавляет поиск: агент сам находит нужные страницы по запросу, а потом может прочитать их через fetch_content. То есть это полноценный веб-сёрфинг, а не просто загрузка по известной ссылке.

Что такое MCP и как это работает

MCP (Model Context Protocol) — стандарт для подключения внешних инструментов к ИИ-ассистентам. Через эмсипи мы даём оупенкод доступ к произвольным действиям: поиск в интернете, чтение файлов, вызов API.

Мы устанавливаем DuckDuckGo эмсипи сервер, регистрируем его в конфиге оупенкод, и агент получает инструменты search и fetch_content. Дальше он сам решает, когда ими воспользоваться.

Установка

1. Устанавливаем uv

uv — менеджер пакетов для Python, через него запускается сервер:

curl -LsSf https://astral.sh/uv/install.sh | sh

После установки перезапустите терминал или добавьте ~/.local/bin в PATH.

2. Регистрация в оупенкод

Добавляем сервер в ~/.config/opencode/opencode.jsonc:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "bb-browser": { ... },
    "markitdown": { ... },
    "ddg-search": {
      "type": "local",
      "command": ["/Users/beaverbloger/.local/bin/uvx", "duckduckgo-mcp-server"],
      "env": {
        "DDG_SAFE_SEARCH": "MODERATE",
        "DDG_REGION": "wt-wt"
      }
    }
  }
}

Параметры окружения:

• DDG_SAFE_SEARCH — уровень фильтрации контента: STRICT, MODERATE (по умолчанию), OFF
• DDG_REGION — регион по умолчанию: us-en, ru-ru, wt-wt (без региона) и т.д.

Готово! После перезапуска оупенкод подхватит сервер.

Инструменты

Сервер предоставляет два инструмента:

search(query, max_results=10, region="")

Поиск в DuckDuckGo. Возвращает ссылки с заголовками и сниппетами. Можно указать регион для локализации результатов.

fetch_content(url, start_index=0, max_length=8000)

Загрузка и очистка контента со страницы. Убирает навигацию, шапки, подвалы, скрипты — оставляет чистый текст. Поддерживает пагинацию для длинных страниц.

Проверка

Проверим, как это работает. Прошу оупенкод найти рецепт курута:

Агент вызывает search("как готовить курут рецепт"), находит ссылки и краткие описания.

А теперь попросим узнать погоду в Абзаково:

Работает! Агент сам решил, что ему не хватает данных, сходил в интернет и вернул актуальный ответ.

Как это работает

Когда оупенкоду нужно найти что-то в интернете, он:

1. Видит, что доступен инструмент search
2. Формирует поисковый запрос
3. Получает результаты
4. Если нужно прочитать конкретную страницу — вызывает fetch_content
5. Анализирует полученную информацию

Всё прозрачно: агенту не нужно объяснять, как искать — он делает это сам, когда понимает, что ему не хватает знаний.

Особенности

• Без API-ключей — DuckDuckGo не требует регистрации, всё бесплатно
• Rate limiting — 30 запросов в минуту для поиска, 20 для загрузки контента
• SafeSearch — настраиваемая фильтрация контента
• Регионы — можно локализовать поиск под нужную страну

Итого

DuckDuckGo Search эмсипи — простой способ дать оупенкод доступ к веб-поиску. Без регистраций, без API-ключей, без смс. Поставил за минуту — и агент сам ходит в интернет за актуальной информацией.

Зачем это нужно

В работе с опенсорсом постоянно возникает ситуация: нашёл интересный репозиторий, а документация — это просто README. Хочется быстро разобраться, как всё устроено, но читать исходники в лоб — долго и лениво.

DeepWiki решает эту проблему: он анализирует код и README репозитория, и генерирует структурированную документацию с разделами, ссылками на исходники и с возможностью задавать вопросы.

А через MCP (Model Context Protocol) это становится доступно прямо из оупенкод — агент может сам сходить в диипвики за документацией по любому репозиторию.

Что такое диипвики

DeepWiki — это AI-движок документации от Cognition Labs (те же ребята, что сделали Devin). Он берёт любой публичный GitHub-репозиторий, анализирует его код, README и файлы, и превращает всё это в удобную структурированную документацию.

Каждая страница документации содержит:

• пояснения как работает тот или иной компонент
• ссылки на конкретные строки исходного кода (Sources)
• навигацию по разделам

Диипвики в браузере

диипвики работает прямо в браузере. Просто замени github.com на deepwiki.com в URL любого публичного репозитория.

Вот так выглядит страница репозитория LOWERTOP/Shadowrocket на диипвики:

Слева — навигация по разделам: Proxy Management, Traffic Routing, Rules System, Configuration Files и т.д. Справа — контент с пояснениями и ссылками на исходники. Гораздо удобнее, чем читать README в GitHub.

Работает почти для любого публичного репозитория: https://deepwiki.com/username/reponame.

Диипвики эмсипи для оупенкод

Cognition Labs предоставляют официальный эмсипи-сервер DeepWiki. Это удалённый сервер, поэтому не нужно ничего устанавливать локально — никаких Python, venv, uvx. Просто URL в конфиге.

Добавляем в ~/.config/opencode/opencode.jsonc:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "deepwiki": {
      "type": "remote",
      "url": "https://mcp.deepwiki.com/mcp"
    }
  }
}

Готово. Никаких зависимостей, никаких API-ключей — сервер бесплатный и не требует аутентификации.

Инструменты

Сервер предоставляет три инструмента:

read_wiki_structure(repoName)

Возвращает структуру документации репозитория — список разделов и подразделов.

read_wiki_contents(repoName)

Возвращает полное содержимое документации репозитория.

ask_question(repoName, question)

Задать вопрос по коду репозитория. DeepWiki отвечает с привязкой к конкретным строкам исходников.

Проверка

Спрашиваю у оупенкод: “как устроена маршрутизация в ShadowRocket?”:

Оупенкод вызывает ask_question("LOWERTOP/Shadowrocket", "как устроена маршрутизация"), диипвики анализирует код и возвращает структурированный ответ: глобальные режимы (Configuration/Proxy/Direct/Scene), система правил, типы правил. Каждый пункт привязан к исходному коду.

Итого

DeepWiki эмсипи — это документация для почти любого репозитория прямо из оупенкод.

Вместе с DuckDuckGo Search эмсипи получается идеальная пара: DuckDuckGo ищет в интернете, DeepWiki объясняет код репозиториев. Оупенкод наконец-то видит и интернет, и документацию.

Долгое время мой блог жил на VDS — nginx, certbot, systemd-сервисы, бекапы, короче полноценный сервер. В какой-то момент стало лень следить за ещё одной машиной и особенно меня подтолкнули проблемы с разными хостингами и я решил переехать на статический S3-хостинг.

Пост про то — как я переехал, с какими граблями столкнулся и что в итоге получилось.

Почему Timeweb S3

Почему именно Timeweb, а не Яндекс Облако или Selectel? Тут всё просто: у меня уже были там аккаунты, а S3 у них стоит копейки. Для статики — идеально.

Из коробки Timeweb S3 умеет раздавать статический сайт, выдаёт URL вида *.website.twcstorage.ru, поддерживает кастомные заголовки и политики.

Что нужно

• Аккаунт в Timeweb (уже был)
• Hugo
• Репозиторий блога на GitHub (уже был)
• Домен (уже был)

Шаг 1: Создание бакета

1. Заходим в панель Timeweb → S3 → Создать бакет
2. Выбираем регион, имя бакета
3. После создания открываем бакет → Настройки → Хостинг статического сайта → Включаем
4. Получаем URL: https://<id>.website.twcstorage.ru

Шаг 2: S3-ключи

В панели Timeweb идём в сервисные аккаунты → создаём ключ с доступом к бакету (на запись и чтение). Нам понадобятся:

• AWS_ACCESS_KEY_ID
• AWS_SECRET_ACCESS_KEY
• AWS_ENDPOINT_URL — https://s3.twcstorage.ru
• И имя бакета

Шаг 3: GitHub Actions

Деплой настроил через GitHub Actions. Workflow выглядит так:

name: Deploy blog to S3

on:
  push:
    branches: [main]

jobs:
  build-and-deploy:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - uses: peaceiris/actions-hugo@v3
        with:
          extended: true

      - run: hugo --gc

      - uses: jakejarvis/s3-sync-action@master
        with:
          args: --delete
        env:
          AWS_S3_BUCKET: ${{ secrets.AWS_BUCKET_NAME }}
          AWS_ACCESS_KEY_ID: ${{ secrets.AWS_ACCESS_KEY_ID }}
          AWS_SECRET_ACCESS_KEY: ${{ secrets.AWS_SECRET_ACCESS_KEY }}
          AWS_ENDPOINT_URL: ${{ secrets.AWS_ENDPOINT_URL }}

Секреты (AWS_*) храню в настройках репозитория GitHub — Settings → Secrets and variables → Actions.

Шаг 4: Деплой

Пушим в main:

git push origin main

GitHub Actions собирает сайт и синхронизирует с бакетом. Всё, сайт на S3, никаких ssh и ручных заливок.

Шаг 5: Домены (не так всё просто)

Настраиваем CNAME в DNS:

blog.tatarinovms.ru → s3.twcstorage.ru
blog.tatarinovms.space → s3.twcstorage.ru

Ждём, пока DNS обновится, открываем браузер… и получаем AccessDenied.

Подводный камень: кастомные домены не работают

Как оказалось, Timeweb S3 не поддерживает кастомные домены. Вообще. Только их *.website.twcstorage.ru. На момент написания поста ответ поддержки это подтвердил.

Есть два пути:

Вариант 1: CloudFlare Меняем NS на CloudFlare, он проксирует запросы на S3-эндпоинт и выдаёт свой SSL. VDS не нужен. Бесплатно. Но мы знаем как в некоторых регионах работает CloudFlare, скажем мягко - с перебоями.

Вариант 2: nginx reverse proxy Пришла простая идея, так как есть в загашнике VDS, то мы ставим nginx на VDS, он проксирует кастомные домены на S3 URL. SSL через certbot. VDS всё равно есть под другие задачи. Конфиг nginx:

server {
    listen 80 default_server;
    server_name blog.tatarinovms.ru blog.tatarinovms.space;
    return 301 https://$host$request_uri;
}

server {
    listen 443 ssl http2;
    server_name blog.tatarinovms.ru blog.tatarinovms.space;

    ssl_certificate /etc/letsencrypt/live/blog.tatarinovms.space/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/blog.tatarinovms.space/privkey.pem;

    location / {
        proxy_pass https://id.website.twcstorage.ru;
        proxy_ssl_verify off;
        proxy_ssl_server_name on;
        proxy_set_header Host id.website.twcstorage.ru;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }
}

SSL получил через certbot:

certbot --nginx -d blog.tatarinovms.ru -d blog.tatarinovms.space

Итоговая схема

Пуш в main → GitHub Actions → Hugo build → aws s3 sync → S3 бакет → DNS: blog.tatarinovms.ru / blog.tatarinovms.space → A → VDS → nginx reverse proxy → S3 (*.website.twcstorage.ru)

При пуше в main GitHub Actions сам собирает Hugo и синхронизирует с S3 — nginx просто проксирует то, что уже лежит в бакете. Редеплой занимает меньше минуты.

Timeweb S3 как хостинг статики — отличное решение. Но с кастомными доменами придётся извернуться. Надеюсь, когда-нибудь они добавят эту возможность, но пока — nginx.

Что такое FineTune?

FineTune — это бесплатная open-source утилита для macOS, которая живёт в меню-баре и даёт полный контроль над аудио на системном уровне. Регулировка громкости каждого приложения независимо, маршрутизация звука на разные устройства, 10-полосный эквалайзер и коррекция АЧХ для наушников — всё в одном окне.

Для перехвата аудиопотоков FineTune создаёт виртуальное аудиоустройство. Оно появляется в системных настройках звука и работает как прослойка между приложениями и вашими колонками/наушниками.

Написан на SwiftUI, требует macOS 15.0+.

Основные возможности

Управление громкостью

• Per-app громкость — отдельный слайдер и mute для каждого приложения
• Pinned apps — закрепить приложение в меню-баре, даже когда оно не воспроизводит звук (удобно настроить EQ и маршрутизацию заранее)
• Ignore apps — полностью исключить приложение из управления FineTune
• Scroll-wheel — наведите курсор на любой слайдер и крутите колёсико

Горячие клавиши

• Глобальные хоткеи — назначьте свои комбинации на App Volume Up/Down и Mute. Работают даже когда приложение свёрнуто
• Toggle Popup — повесьте хоткей на открытие/закрытие окна FineTune, работает из полноэкранных приложений
• Навигация внутри попапа — стрелки ↑↓ между строками, ←→ регулировка громкости, Mmute, Return/Space активация, Tab переключение вкладок устройств

Маршрутизация

• Multi-device output — вывод звука на несколько устройств одновременно
• Audio routing — отправлять разные приложения на разные устройства
• Device priority — автопереключение при подключении нового устройства
• Auto-restore — при переподключении устройства настройки (громкость, маршрут, EQ) восстанавливаются автоматически

Эквалайзер

• 10 полос, 20 готовых пресетов
• Пользовательские пресеты — сохраняйте свои настройки и применяйте к разным приложениям
• AutoEQ headphone correction — коррекция АЧХ под конкретную модель наушников из базы AutoEQ (тысячи профилей). Можно импортировать свои ParametricEQ.txt
• Загрузка пресета — выбрав пресет для своих наушников, FineTune запоминает его и применяет автоматически при каждом подключении этой модели
• Loudness compensation — автоматическая коррекция низких и высоких частот на малой громкости по стандарту ISO 226:2023

Системное

• Input device control — уровень микрофона
• Alert volume — громкость системных уведомлений
• DDC — регулировка громкости внешних мониторов
• Volume HUD — встроенный индикатор громкости (Tahoe или Classic стиль)
• Медиа-клавиши F10-F12 — работают даже на USB DAC и HDMI, где штатные клавиши macOS бесполезны
• Bluetooth — подключение устройств прямо из меню-бара
• URL schemes — автоматизация через shell, Shortcuts или Raycast’о подобное

Установка

brew install --cask finetune

Или скачайте DMG с GitHub Releases.

Быстрый старт

1. Запустите FineTune из папки Applications
2. Разрешите Screen & System Audio Recording — это необходимо для перехвата аудиопотоков
3. Нажмите на иконку FineTune в меню-баре — приложения, воспроизводящие звук, появятся автоматически

Готово. Регулируйте громкость, маршрутизируйте звук, настраивайте EQ.

Полезные фЫшки

• Автопереключение на Bluetooth-гарнитуру: откройте edit mode (карандаш) и перетащите устройство выше встроенных динамиков — FineTune будет переключаться на него при подключении
• Управление с клавиатуры: откройте попап и пользуйтесь стрелками.
• URL schemes — automate volume, mute, device routing, and more from scriptsFineTune понимает URL-команды формата finetune://.finetune://set-volumes?app=com.spotify.client&volume=50 finetune://set-mute?app=com.spotify.client&muted=true finetune://toggle-mute?app=com.hnc.Discord finetune://set-device?app=com.apple.Music&device=DEVICE_UID finetune://reset

В этом гайде я покажу, как развернуть и запустить модель распознавания речи Qwen3‑ASR через пакет mlx-qwen3-asr на macOS с M-чипом. Решение позволяет транскрибировать аудио из видеофайлов с поддержкой русского языка и сохранять результат в разных форматах: SRT, VTT, TXT, JSON.

Что такое mlx-qwen3-asr?

mlx-qwen3-asr - это Python‑пакет, предоставляющий удобный интерфейс к модели Qwen3‑ASR‑1.7B от Alibaba Cloud, оптимизированной для работы на чипах Apple Silicon через фреймворк MLX. Модель поддерживает несколько языков, включая наш родной русский, и позволяет получать транскрипцию с тайм‑кодами.

Требования

• macOS
• Установленный Python 3.11
• Руки
• Свободное место на диске (модель ~3 ГБ)

Установка и настройка

Подготовка директории проекта

Создайте отдельную папку для проекта и перейдите в неё, у меня будет так:

mkdir -p ~/Documents/ai/asr
cd ~/Documents/ai/asr

Создание виртуального окружения

python3.11 -m venv venv

Активация окружения

Активируйте виртуальное окружение:

source venv/bin/activate

Обновление pip и установка пакета

Обновите менеджер пакетов и установите mlx-qwen3-asr:

pip install --upgrade pip
pip install mlx-qwen3-asr

Установка может занять несколько минут — загружаются зависимости и модель.

Создание скрипта автоматизации

Чтобы не вводить команды вручную каждый раз, создадим shell‑скрипт с небольшим интерактивным интерфейсом.

Создайте файл скрипта

• Создадим скрипт в любимом текстовом редакторе:

vim asr_process.sh

• Вставьте этот код
• Укажите настройку VENV_BIN=, где будет путь к созданной вами папке.
• Сохраняем файл
• Делаем скрипт исполняемым

chmod +x asr_process.sh

Отправляем файл на распознавание

• Запускаем скрипт

./asr_process.sh

• откроет диалоговое окно для выбора файла
• потом скрипт предложит выбрать формат вывода
• позволит указать папку для сохранения
• запустится распознавание и покажет прогресс (при первом запуске модель скачается)

Развёртывание VoxCPM на MacBook с чипом Apple Silicon

Данное руководство содержит пошаговые инструкции по установке и запуску VoxCPM на macOS с процессорами Apple Silicon. Игрался на своем ноуте.

Скачиваем репозиторий проекта

Переходим в папку, где у вас всё будет аккуратно лежать и скачиваем репу:

git clone https://github.com/OpenBMB/VoxCPM.git
cd VoxCPM

Настройка доступа к Hugging Face

Для ускорения загрузки моделей и повышения лимитов запросов рекомендуется настроить токен доступа на Hugging Face

Получение токена

1. Перейдите на https://huggingface.co/settings/tokens
2. Создайте новый токен с правами Read
3. Скопируйте токен (формат: hf_...)

Настройка токена

Способ 1: Через huggingface-cli

pip install -U huggingface_hub
hf auth login
# Вставьте токен при запросе

Способ 2: Через переменную окружения

# Временно для сессии
export HF_TOKEN="hf_ваш_токен_здесь"

# Или навсегда (добавить в ~/.zshrc)
echo 'export HF_TOKEN="hf_ваш_токен_здесь"' >> ~/.zshrc
source ~/.zshrc

Установка Python 3.10+ через pyenv

Установка Homebrew (если не установлен, но навряд ли, конечно)

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

Установка pyenv и зависимостей

brew install pyenv openssl readline sqlite3 xz zlib pkgconf autoconf

Настройка окружения оболочки

Добавьте следующие строки в ~/.zshrc:

export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
eval "$(pyenv init --path)"
eval "$(pyenv init -)"

Примените изменения:

source ~/.zshrc

Установка Python 3.10.14

pyenv install 3.10.14

Настройка версии для проекта

Перейдите в папку проекта, которую мы скачали ранее и указываем локальную версию Python:

cd ~/Documents/ai/VoxCPM 
pyenv local 3.10.14
python --version  # Должно вывести: Python 3.10.14

Настройка проекта и установка зависимостей

Создание виртуального окружения

# В папке проекта
python -m venv venv
source venv/bin/activate
pip install --upgrade pip

Установка проекта в режиме разработки

pip install -e .

Проверка установки

which voxcpm
# Должно указывать на путь внутри venv

voxcpm --help
# Должно отобразить справку по командам и доступным флагам

Скачиваем модель в папку

Делаем папку для модели и качаем модель:

mkdir -p models/VoxCPM-2B
hf download openbmb/VoxCPM2 --local-dir ./models/VoxCPM2

Использование через CLI

Базовый синтаксис

В без все просто:

voxcpm <режим> [параметры]

Но мы пойдём путём клонирования своего голоса для озвучки текста.

Готовим файл для клонирования

Я просто записал аудиосообщение в одном голубом мессенджере, сохранил его и перекодировал через ffmpeg в wav. Текст сообщения был такой: Это образец моего голоса. Я говорю здесь целых пять секунд.

Файл с текстом и аудио сохранил в папке ./ref. Т. е. ref.txt и ref.wav

Готовим текст для озвучки

Создам папку output и inpit чтобы папку не замусоривать. Создаю текст для озвучки:

vim ./inpit/anime.txt

Накидал туда описание аниме - Ателье колдовских колпаков

Запускаем озвучку с клонированием нашего голоса

Запускаем озвучку нашего текста с клонированием голоса в папку output:

voxcpm clone --text "$(cat ./inpit/anime.txt)" --prompt-audio ./ref/ref.wav --prompt-text "$(cat ./ref/ref.txt)" --reference-audio ./ref/ref.wav --output ./output/anime_18.wav --model-path ./models/VoxCPM2 --device mps --no-optimize --cfg-value 1.8 --inference-timesteps 20 --normalize --no-denoiser

Что у нас по параметрам?

Параметр

Значение в команде

Назначение

voxcpm clone

clone

Активация режима клонирования голоса

--text

"$(cat ./inpit/anime.txt)"

Целевой текст для генерации

--prompt-audio

./ref/ref.wav

Аудио-референс

--prompt-text

"$(cat ./ref/ref.txt)"

Точная транскрипция prompt-audio

--reference-audio

./ref/ref.wav

Аудио-референс для тембральной идентичности

--output

./output/anime_18.wav

Путь к выходному файлу

--model-path

./models/VoxCPM2

Локальный каталог с весами модели

--device

mps

Платформа на которой мы играемся

--no-optimize

без значения

Отключение torch.compile

--cfg-value

1.8

Значение Classifier-Free Guidance

--inference-timesteps

20

Количество шагов диффузионного декодера

--normalize

без значения

Нормализация громкости выхода

--no-denoiser

без значения

Отключение модуля ZipEnhancer

Результат

На выходе получился файл 35.02. Послушать его можно ниже:

Скачать запись

Литература для изучения

• GitHub репозиторий: https://github.com/OpenBMB/VoxCPM
• Страница модели на Hugging Face: https://huggingface.co/openbmb/VoxCPM2

В условиях турбулентной работы облачных сервисов (снова так скажем) вопрос избыточности хранения кода становится актуальным. Держать проект только на GitHub — это риск. Решением может стать зеркалирование кода в другой сервис, например, на GitVerse.

Обычно мы привыкли, что один remote (например, origin) привязан к одному URL. Но Git позволяет добавить несколько URL для push-операций в один remote.

Как это настроить

Если у вас уже есть основной репозиторий на GitHub, достаточно добавить второй URL для отправки данных:

git remote set-url --add --push origin git@gitverse.ru:tatarinovms/ShadowRocketSimpleConfig.git

Теперь при выполнении команды git push origin ваши изменения полетят сразу в оба репозитория.

Нюансы с конфликтами

Главная проблема возникает, когда в одном из зеркал есть изменения, которых нет в другом (например, вы отредактировали README прямо в веб-интерфейсе GitVerse). В этом случае обычный push будет отклонен.

Решить это можно через создание временного remote для «проблемного» зеркала и слияние веток:

1. Добавляем зеркало как отдельный remote:git remote add gitverse git@gitverse.ru:tatarinovms/ShadowRocketSimpleConfig.git
2. Подтягиваем изменения, разрешая несвязанные истории:git pull gitverse main --no-rebase --allow-unrelated-histories
3. После разрешения конфликтов снова пушим всё в origin.

Теперь код синхронизирован, а вы спите спокойно, зная, что копия вашего проекта лежит на разных площадках.

Podsync — маленький проектик на go, который преобразует каналы с YouTube или Vimeo в обычные подкаст-фиды (RSS). Идея проста: у меня есть каналы, которые я больше слушаю, чем смотрю, и мне хотелось бы делать это в моём подкаст-приёмнике. Гайд будет на Debian-based системы.

Как это работает

Принцип работы Podsync довольно простой:

1. В конфиге прописываем каналы
2. Podsync по расписанию проверяет обновления
3. Скачивает новые видео через yt-dlp и конвертирует их в аудио в MP3 через ffmpeg или оставляет видео. Тут уж как хотите.
4. Генерирует RSS-фид, доступный по HTTP/HTTPS

Вы просто добавляете ссылку вида https://your-domain.com/feed_id.xml в подкаст-клиент — и всё работает.

Установка зависимостей

Для работы Podsync нужны yt-dlp, ffmpeg и deno (как JS runtime для yt-dlp на всякий случай):

apt update && apt install -y yt-dlp ffmpeg curl

Deno устанавливается через официальный скрипт:

curl -fsSL https://deno.land/install.sh | sh

Также понадобится Go, если планируете собирать из исходников:

apt install -y golang

Установка Podsync

Вариант A: Сборка из исходников

git clone https://github.com/mxpv/podsync /mnt/dietpi_userdata/podsync
cd /mnt/dietpi_userdata/podsync
make

Вариант Бэ: Готовый бинарь

Скачиваем с GitHub Releases:

cd /mnt/dietpi_userdata/podsync
curl -L -o podsync "https://github.com/mxpv/podsync/releases/download/v2.8.0/podsync-v2.8.0-linux-amd64"
chmod +x podsync

Вариант Цэ: Docker

Если предпочитаете контейнеры:

services:
  podsync:
    image: ghcr.io/mxpv/podsync
    container_name: podsync
    volumes:
      - ./data:/app/data/
      - ./db:/app/db/
      - ./config.toml:/app/config.toml
    ports:
      - 8181:8080

Запуск:

docker compose up -d

YouTube Data API v3 ключ

Ключевой момент — для работы Podsync нужен YouTube Data API v3 ключ. Без него парсинг каналов не работает.

Получить ключ можно здесь: https://developers.google.com/youtube/registering_an_application

В конфиге нужно указать ключ в секции:

[tokens]
youtube = "YOUR_YOUTUBE_API_KEY"

Или даже несколько для ротации:

youtube = ["KEY1", "KEY2", "KEY3"]

Настройка конфигурации

Собственно и сам конфиг. Создаём файл config.toml на основе примера:

cp /mnt/dietpi_userdata/podsync/config.toml.example /mnt/dietpi_userdata/podsync/config.toml
nano /mnt/dietpi_userdata/podsync/config.toml

Для примера:

[server]
port = 8181
hostname = "https://poddown.tatarinovlovesbeaver.su"

[cleanup]
keep_last = 2

[storage]
  [storage.local]
  data_dir = "/mnt/dietpi_userdata/podsync/data"

[tokens]
youtube = "тут ваш ключ из пункта выше"

[feeds]
    [feeds.MaximTatarinov]
    url = "https://www.youtube.com/@MaximTatarinov"
    format = "video"
    update_period = "8h"
    page_size = 5
    youtube_dl_args = ["--js-runtimes", "deno:/root/.deno/bin/deno"]

[log]
filename = "podsync.log"
max_size = 50
max_age = 30
max_backups = 1
compress = true
debug = false

Конфиг готов.

Запуск как systemd-сервис

Чтобы Podsync работал в фоне и запускался автоматически, создаём сервис:

nano /etc/systemd/system/podsync.service

[Unit]
Description=Podsync
After=network-online.target
Wants=network-online.target

[Service]
Type=simple
ExecStart=/mnt/dietpi_userdata/podsync/bin/podsync
WorkingDirectory=/mnt/dietpi_userdata/podsync
Restart=on-failure
RestartSec=10
StandardOutput=journal
StandardError=journal
Environment="PATH=/root/.deno/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin"

[Install]
WantedBy=multi-user.target

Активируем и запускаем:

systemctl daemon-reload
systemctl enable podsync
systemctl start podsync

Проверить статус:

systemctl status podsync
journalctl -u podsync -f

Reverse proxy через nginx

Podsync у меня работает без TLS, поэтому HTTPS у нас будет обрабатывать nginx. Конфиг для сайта:

server {
    listen 80;
    listen [::]:80;
    server_name poddown.tatarinovlovesbeaver.su;

    return 301 https://$host$request_uri;
}

server {
    listen 443 ssl;
    listen [::]:443 ssl;
    http2 on;
    listen 443 quic;
    listen [::]:443 quic;
    quic_retry on;
    quic_gso on;
    add_header Alt-Svc 'h3=":443"; ma=86400' always;

    server_name poddown.tatarinovlovesbeaver.su;

    ssl_certificate /etc/letsencrypt/live/poddown.tatarinovlovesbeaver.su/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/poddown.tatarinovlovesbeaver.su/privkey.pem;
    include /etc/letsencrypt/options-ssl-nginx.conf;
    ssl_dhparam /etc/letsencrypt/ssl-dhparams.pem;

    location / {
        proxy_pass http://127.0.0.1:8181;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }
}

Применить:

nginx -t && systemctl reload nginx

Фильтры и тонкая настройка

Podsync позволяет не просто скачивать всё подряд, а выбирать контент по правилам. Например, скачивать только эпизоды, содержащие «обзор» и длительностью до 2 часов:

[feeds]
    [feeds.ID1]
    url = "https://www.youtube.com/@channel"
    format = "audio"
    filters = { title = "обзор", max_duration = 7200, max_age = 30 }

Доступные фильтры:

Параметр

Описание

title

Regex для совпадения в заголовке

not_title

Regex для исключения по заголовку

description

Regex для совпадения в описании

not_description

Regex для исключения по описанию

min_duration

Минимальная длительность (секунды)

max_duration

Максимальная длительность (секунды)

min_age

Минимальный возраст (дни)

max_age

Максимальный возраст (дни)

Также можно задать кастомный формат видео:

[feeds]
    [feeds.MaximTatarinov]
    format = "custom"
    custom_format = { youtube_dl_format = "bestaudio[ext=m4a]", extension = "m4a" }

Итог

RSS-лента доступна по адресу:

https://poddown.tatarinovlovesbeaver.su/MaximTatarinov.xml

Подставляем её в ваш подкаст-клиент и вуаля!