Découpeur Vidéo Intelligent avec IA local

Objectifs :

Contexte du projet

Application desktop Windows permettant de traiter automatiquement des vidéos d'interviews pour identifier et extraire des segments thématiques cohérents, sans nécessiter de découpe manuelle chronophage.

Environnement :

Architecture du système

Pipeline de traitement

1. Vidéos sources (MTS/MP4/AVI)
   ↓
2. Concaténation automatique (si plusieurs fichiers)
   ↓
3. Extraction audio → WAV
   ↓
4. Transcription → Whisper (OpenAI)
   ↓
5. Analyse thématique → Ollama (local)
   ↓
6. Génération des segments → FFmpeg
   ↓
7. Export final → MP4 optimisés

Stack technique

Backend:

Frontend:

Étape 1 : Installation des prérequis

FFmpeg (traitement vidéo)

Installation :

# Télécharger depuis https://www.gyan.dev/ffmpeg/builds/
# Extraire dans C:\ffmpeg
# Ajouter au PATH : C:\ffmpeg\bin

Vérification :

ffmpeg -version

Explication :

Ollama (modèles IA locaux)

Installation :

# Télécharger depuis https://ollama.ai/download
# Installer l'application
# Télécharger un modèle :
ollama pull qwen2.5:3b

Modèles disponibles :

Modèle Taille RAM Forces Cas d'usage
qwen2.5:3b 2 GB 4 GB Léger, rapide, bon raisonnement Recommandé - Analyse de texte, thématisation
gemma2:2b 1.6 GB 3 GB Très léger, rapide PC limités en RAM, tests
mistral:7b 4 GB 8 GB Excellent raisonnement, précis Analyse complexe, nuances fines
llama3.1:8b 4.7 GB 10 GB Multilingue, polyvalent Multilangue, transcriptions mixtes
phi3:3.8b 2.3 GB 6 GB Optimisé Microsoft, efficace Alternative à Qwen

Explication :

Configuration dans le projet :

Fichier src/config.py:23

OLLAMA_MODEL = "qwen2.5:3b"  # Modifier ici pour changer de modèle

Python et dépendances

Installation automatique :

# Double-cliquer sur install.bat
# OU manuellement :
python -m venv venv_312
venv_312\Scripts\activate
pip install -r requirements.txt

Dépendances principales :

Étape 2 : Configuration des modèles

Whisper (transcription)

Fichier src/config.py:18

WHISPER_MODEL = "medium"  # Options : tiny, base, small, medium, large
WHISPER_LANGUAGE = "fr"

Comparaif des modèles Whisper :

Modèle Taille RAM Vitesse Qualité Usage
tiny 75 MB 1 GB 32x Moyenne Tests rapides
base 145 MB 1 GB 16x Correcte Vidéos courtes
small 488 MB 2 GB 6x Bonne Bon compromis
medium 1.5 GB 5 GB 2x Excellente Recommandé
large 3 GB 10 GB 1x Maximale Production finale

Explication :

Ollama (analyse IA)

Fichier src/config.py:23-24

OLLAMA_MODEL = "qwen2.5:3b"
MAX_TOKENS_PER_ANALYSIS = 4000

Choisir son modèle selon les besoins :

PC limité (4-8 GB RAM) :

OLLAMA_MODEL = "gemma2:2b"  # Léger et rapide

PC standard (8-16 GB RAM) :

OLLAMA_MODEL = "qwen2.5:3b"  # Recommandé (défaut)

PC puissant (16+ GB RAM) :

OLLAMA_MODEL = "mistral:7b"  # Meilleure précision

Multilingue :

OLLAMA_MODEL = "llama3.1:8b"  # Multilangue

Explication du rôle d'Ollama :

  1. Reçoit la transcription découpée en chunks (~4000 tokens)
  2. Identifie les thèmes principaux et transitions
  3. Génère des titres descriptifs pour chaque segment
  4. Propose des timestamps de découpe cohérents

Prompt système utilisé :

Analyse cette transcription d'interview et identifie les différents
thèmes abordés. Pour chaque thème, fournis :
- Un titre court et descriptif
- Le timestamp de début/fin
- Une justification du découpage

Étape 3 : Utilisation de l'application

Lancement

# Double-cliquer sur launch.bat
# OU :
venv_312\Scripts\python src\main.py

Workflow type

1. Sélection des fichiers

2. Traitement automatique

3. Validation des segments

4. Export final

Étape 4 : Performances et optimisations

Temps de traitement (vidéo 1h)

Configuration standard (Whisper medium + Qwen 3B) :

Étape Durée Facteurs
Concaténation 1-2 min Nombre de fichiers sources
Extraction audio 10 sec Taille de la vidéo
Transcription 35-42 min Modèle Whisper, CPU
Analyse IA 8-12 min Modèle Ollama, longueur texte
Export segments 10-15 min Nombre de segments, qualité
TOTAL 60-90 min

Optimisations possibles

Pour accélérer (sacrifie qualité) :

WHISPER_MODEL = "small"         # Divise temps par 3
OLLAMA_MODEL = "gemma2:2b"      # Divise RAM par 2
VIDEO_QUALITY = 28              # Fichiers plus légers

Pour qualité max (plus lent) :

WHISPER_MODEL = "large"         # Transcription parfaite
OLLAMA_MODEL = "mistral:7b"     # Analyse fine
VIDEO_QUALITY = 18              # Qualité visuelle maximale

Étape 5 : Structure des fichiers générés

OPCI-VIDEO-TEST-N2/
│
├── output/
│   └── transcriptions/
│       ├── interview_transcription.txt    # Texte lisible avec timestamps
│       └── interview_transcription.json   # Données structurées (words + segments)
│
├── [dossier_choisi]/
│   ├── 01_Introduction_et_parcours.mp4
│   ├── 02_Defis_techniques_rencontres.mp4
│   ├── 03_Vision_future_du_projet.mp4
│   └── ...
│
├── logs/
│   └── video_cutter.log                  # Logs détaillés du traitement
│
└── temp/
    └── [fichiers_temporaires]            # Nettoyés après export

Explication des formats :

TXT :

[00:00:05] Bonjour, je suis ravi de...
[00:00:42] Donc le projet a commencé en...

JSON :

{
  "text": "Transcription complète...",
  "segments": [
    {
      "start": 5.2,
      "end": 42.8,
      "text": "Bonjour, je suis ravi de...",
      "words": [...]
    }
  ]
}

Étape 6 : Dépannage

Ollama ne répond pas

# Vérifier qu'Ollama est lancé
ollama list

# Relancer Ollama
taskkill /F /IM ollama.exe
ollama serve

# Vérifier le modèle
ollama pull qwen2.5:3b

Explication :

Whisper trop lent

Solution 1 : Modèle plus léger

WHISPER_MODEL = "small"  # Au lieu de "medium"

Solution 2 : GPU (si disponible)

Solution 3 : Découper la vidéo

Erreur de mémoire (OOM)

Symptômes :

RuntimeError: CUDA out of memory
MemoryError: Unable to allocate...

Solutions :

# 1. Réduire le modèle Whisper
WHISPER_MODEL = "base"

# 2. Réduire le modèle Ollama
OLLAMA_MODEL = "gemma2:2b"

# 3. Réduire chunk size
MAX_TOKENS_PER_ANALYSIS = 2000

Segments mal découpés

Causes possibles :

  1. Transcription imprécise → Tester medium ou large
  2. Modèle Ollama trop léger → Essayer mistral:7b
  3. Transitions abruptes dans l'interview → Ajustement manuel

Améliorer la détection :

# Tester un modèle plus puissant
OLLAMA_MODEL = "mistral:7b"

# Ou un modèle spécialisé français
ollama pull vigogne:7b  # Modèle français

Avantages de l'approche locale (Ollama)

vs API Cloud (GPT-4, Claude, etc.)

Critère Ollama (local) API Cloud
Coût Gratuit, illimité 0.01-0.10€ par analyse
Confidentialité Données restent en local Envoyées au cloud
Vitesse Dépend du CPU local Dépend du réseau
Disponibilité Offline OK Nécessite Internet
Qualité Bonne (modèles 3-7B) Excellente (70B+)

Cas d'usage idéal pour Ollama :

Évolutions futures

Fonctionnalités prévues :

Modèles IA à tester :

Ressources et références

Documentation officielle :

Comparaison modèles :

Configuration matérielle recommandée

Minimum (workflow ralenti) :

Recommandé (workflow fluide) :

Optimal (vitesse maximale) :

Version : 1.0 Dernière mise à jour : Novembre 2024 Licence : MIT Auteur : OPCI Productions

Revision #4
Created 2025-11-10 08:40:31 UTC by Flavien
Updated 2025-12-02 14:53:11 UTC by Flavien