[<] Volver al Blog[<] [H] Portal Principal[H]

reelscribe: transcribiendo reels y tiktoks con IA local para el trabajo de mi novia

Publicado: 11 de octubre de 2026. Categoría: Proyectos & Multimedia. Tiempo de lectura: ~5 min
Etiquetas: Python, reelscribe, Whisper, Ollama, yt-dlp, CLI

Hace unas semanas armé autodub y beam para poder mandarle videos doblados al español a mi novia cuando terminamos de trabajar. Esta vez el rollo venía directamente de su trabajo del día a día.

En su trabajo llevando redes sociales y estrategia de contenido, a ella le toca revisar lotes enteros de publicaciones, Reels de Instagram y videos de TikTok de sus clientes. Para sacar analíticas de verdad y cuadrar qué contenido funciona, ver el número de vistas o likes se queda corto. Tienes que bajar al guion para pillar qué ganchos iniciales retienen a la gente en los primeros tres segundos, qué palabras exactas ayudan a vender un producto, qué temas se repiten en los videos que pegan y qué cosas simplemente no sirven.

Hacer ese levantamiento a mano es un fastidio enorme:

Te toca abrir veinte o treinta enlaces seguidos, muchos compartidos desde el celular como enlaces cortos vm.tiktok.com llenos de parámetros basura de rastreo.
Tienes que calarte cada video con música de fondo a todo volumen, pausando cada tres segundos para anotar en un documento lo que dice la persona.
Cuando por fin terminas de transcribir quince videos a pedal, todavía te queda leer todas esas páginas de arriba a abajo para cruzar patrones y armar un informe comparativo.

Para quitarle ese trabajo mecánico de encima construí reelscribe, una herramienta de terminal en WSL que agarra cualquier cantidad de URLs de TikTok o Instagram, resuelve los enlaces cortos, transcribe cada video por separado en archivos .md, .srt y .json con faster-whisper y genera al final un resumen analítico de todo el lote con un modelo local en Ollama.

1. El flujo completo desde las URLs hasta el análisis

La idea desde el principio fue que ella me pudiera pasar una lista de enlaces tal cual salen al darle al botón de compartir desde la app del celular o desde el navegador, y que un solo comando dejara toda la carpeta lista y ordenada.

Entrada: URLs de TikTok / Instagram + Short Links

(ej. vm.tiktok.com/ZN8BDuYDp/ o urls con ?_r=1&_t=...)

1. Resolución HTTP y Deduplicación Canónica

Sigue redirecciones 301/302 de short links
Limpia query params de rastreo y filtra duplicados

2. Extracción con yt-dlp + FFmpeg

Descarga pista de audio temporal (soporta cookies.txt)
Extrae metadatos (autor, plataforma, ID, título, duración)

3. Transcripción en GPU con faster-whisper

Carga el modelo una sola vez en caché para todo el lote
CUDA float16 automático (con fallback a CPU int8) + VAD

4. Archivos Individuales por Video

01_tiktok_autor_id.md (Metadatos + texto limpio + reloj)
01_tiktok_autor_id.srt (Subtítulos estándar)
01_tiktok_autor_id.json (Datos crudos para analíticas)

5. Resumen Global con Ollama Local (Qwen 2.5 14B)

Verifica disponibilidad de Ollama sin bloquear el lote
Genera transcriptions/resumen.md con puntos accionables

2. Enlaces cortos, basura de rastreo y deduplicación

Cuando trabajas con enlaces que te mandan por WhatsApp o Slack, casi nunca vienen limpios. Un mismo video de TikTok te puede llegar de dos formas distintas en la misma lista:

El enlace largo del navegador con parámetros de sesión como https://www.tiktok.com/@cliente/video/7691761289726594326?_r=1&_t=ZN-9ASicGAxtaw
El enlace corto generado por la aplicación móvil como https://vm.tiktok.com/ZN8BDuYDp/

Si le tiras ambos a un script a lo loco, descarga y transcribe el mismo video dos veces, ensuciando el conteo de palabras y el resumen final.

En reelscribe, antes de llamar a yt-dlp, cada URL pasa por resolve_url():

SHORT_LINK_HOSTS = {"vm.tiktok.com", "vt.tiktok.com", "instagr.am"}

def resolve_url(url: str) -> str:
    url = url.strip()
    parsed = urlparse(url)
    host = parsed.netloc.lower()

    if host in SHORT_LINK_HOSTS or "/t/" in parsed.path:
        req = urllib.request.Request(url, headers={"User-Agent": USER_AGENT})
        with urllib.request.urlopen(req, timeout=15) as resp:
            url = resp.geturl()
            parsed = urlparse(url)
            host = parsed.netloc.lower()

    if "tiktok.com" in host or "instagram.com" in host:
        parsed = parsed._replace(query="", fragment="")
        url = urlunparse(parsed)

    return url

Con esto el cliente resuelve las redirecciones de los dominios cortos, limpia los parámetros ?_r=1&_t=... y compara la URL canónica resultante contra un conjunto en memoria. Si el enlace corto y el enlace largo apuntan al mismo video, lo pilla de una vez y salta el duplicado. Y si algún Reel o TikTok pide sesión iniciada, puedes pasarle tus credenciales con -c cookies.txt o --cookies-from-browser.

3. Aceleración por GPU, caché del modelo y salida en tres formatos

Apenas probamos la primera versión con lotes reales de su trabajo, mi novia armó y subió la PR #1 como usuaria final para meterle varias mejoras de velocidad y comodidad que hacían falta:

Aceleración automática con GPU NVIDIA. Al arrancar con --device auto, reelscribe precarga dinámicamente libcublas.so y libcudnn.so desde el entorno virtual, detecta si hay tarjeta NVIDIA para correr en precisión float16 y cae automáticamente a CPU en int8 si no consigue CUDA.
Caché del modelo por lote. En vez de volver a cargar WhisperModel desde el disco por cada video, el modelo se inicializa en memoria una sola vez al principio y se reutiliza en toda la cola.
Parche de compatibilidad con PyAV. Envuelve av.open para limpiar el argumento metadata_errors en versiones recientes de PyAV y evitar que la decodificación de audio explote a mitad de camino.

Los videos cortos de redes sociales tienen además una trampa clásica para el reconocimiento de voz. Casi todos traen música comercial sonando duro de fondo, cortes bruscos y silencios intermedios. Si pasas ese audio crudo por Whisper sin filtro, el modelo se vuelve loco inventando frases repetidas durante los compases musicales. Para evitar ese rollo, reelscribe activa el filtro de detección de voz vad_filter=True con ventanas de silencio de 400 ms y extrae marcas de tiempo palabra por palabra con word_timestamps=True.

Por cada video procesado se guardan tres archivos separados en la carpeta de salida:

Archivo Markdown .md. Queda listo para leer de un vistazo. Trae la ficha del video con su URL canónica, plataforma, autor, ID, duración e idioma, seguida del párrafo de transcripción de corrido y el desglose línea por línea con su minuto y segundo exacto.
Archivo de subtítulos .srt. Sirve para meterlo directo en cualquier editor de video si hace falta subtitular o picar clips para el cliente.
Archivo estructurado .json. Guarda todos los metadatos de yt-dlp junto con el arreglo completo de segmentos y cada palabra individual con su segundo de inicio, fin y probabilidad. Con esto puedes correr scripts para contar palabras clave, medir la velocidad de habla o cruzar qué términos salen en los videos con mejor retención.

4. Resumen analítico del lote con Ollama local

Tener veinte archivos .md separados te ahorra el trabajo de transcribir, pero lo que de verdad te salva la tarde es cruzar todo el lote de un solo golpe.

En lugar de pagar APIs en la nube o andar copiando y pegando textos en el navegador, conecté el paso final de reelscribe directo al servidor HTTP local de Ollama en http://localhost:11434/api/chat corriendo Qwen2.5-14B-Instruct.

Antes de pedir el resumen, is_ollama_available() verifica en 1.5 segundos si el servidor local responde en /api/tags. Si tienes Ollama apagado, te avisa por consola y deja intactas todas las transcripciones individuales sin tumbar el proceso. Cuando Ollama está activo, junta todas las transcripciones con sus metadatos y genera transcriptions/resumen.md dividido en tres bloques:

Resumen ejecutivo general. Explica de qué va el lote de videos y cuál es la línea de comunicación de la cuenta.
Desglose video por video. Detalla qué ofrece cada pieza, qué gancho usa al abrir, cómo estructura el guion y cuál es el llamado a la acción.
Conclusiones e ideas accionables. Saca en limpio qué patrones, ofertas o palabras clave se repiten para replicarlos en los próximos guiones.

5. Uso diario en la terminal

Procesar una tanda de Reels o TikToks se reduce a tirar un comando en WSL, pasando los enlaces como argumentos, desde un archivo con -f o por stdin:

# Procesar varias URLs en GPU (incluyendo short links) y abrir la carpeta al terminar
reelscribe --open-dir "https://vm.tiktok.com/ZN8BDuYDp/" "https://www.instagram.com/reel/EXAMPLE/"

# Procesar una lista completa de un cliente con cookies y modelo large-v3-turbo
reelscribe -f cliente_octubre.txt -c cookies.txt -m large-v3-turbo -o transcriptions/cliente_octubre

Al terminar, la carpeta queda al pelo con todos los archivos numerados y el informe consolidado en resumen.md, abriéndose sola en el Explorador de Windows si le pasas --open-dir. Lo que antes era una tarde entera escuchando videos en bucle y tomando notas a mano ahora sale en segundos corriendo 100% en local.

El código fuente está disponible en GitHub en github.com/riccivr/reelscribe.

reelscribe: transcribing reels and tiktoks with local AI for my girlfriend's work

Published: October 11, 2026. Category: Projects & Multimedia. Reading time: ~5 min
Tags: Python, reelscribe, Whisper, Ollama, yt-dlp, CLI

A few weeks ago I built autodub and beam so I could send Spanish-dubbed videos to my girlfriend after work. This time, the problem came straight from her day-to-day job.

In her social media and content strategy work, she regularly reviews batches of client posts, Instagram Reels, and TikTok videos. Surface metrics like view counts or likes only tell you a video performed well, not why. You have to look at the script itself to see which opening hooks keep people watching past the first three seconds, which exact words and offers drive engagement, which topics repeat across top performers, and what falls flat.

Doing that by hand is a grind:

You have to open twenty or thirty links in a row, many shared from phones as vm.tiktok.com short links cluttered with tracking parameters.
You have to listen to each clip over loud background music, pausing every three seconds to type out what the speaker is saying.
Once you finish transcribing fifteen videos manually, you still have to read through pages of notes to spot patterns and write a comparative report.

To take that mechanical work off her plate, I built reelscribe, a CLI tool on WSL that takes any number of TikTok or Instagram URLs, resolves short links, transcribes each video into separate .md, .srt, and .json files using faster-whisper, and generates a batch analytical summary at the end using a local LLM on Ollama.

1. The pipeline from raw URLs to content analytics

The goal was simple. She passes me a list of links exactly as they come out of the mobile share button or desktop browser, and a single command produces an organized folder with every transcript and a final report.

Input: TikTok / Instagram URLs & Short Links

(e.g. vm.tiktok.com/ZN8BDuYDp/ or URLs with ?_r=1&_t=...)

1. HTTP Redirect Resolution & Canonical Deduplication

Follows 301/302 redirects on mobile short links
Strips tracking query params and filters duplicate videos

2. Media & Metadata Extraction via yt-dlp + FFmpeg

Extracts temporary audio stream (supports cookies.txt)
Captures metadata (author, platform, ID, title, duration)

3. GPU-Accelerated Transcription via faster-whisper

Caches WhisperModel in memory once for the entire batch
Auto CUDA float16 (with CPU int8 fallback) + VAD filtering

4. Per-Video Output Files

01_tiktok_author_id.md (Metadata + clean prose + clock)
01_tiktok_author_id.srt (Standard subtitle file)
01_tiktok_author_id.json (Structured data for analytics)

5. Batch Summary via Local Ollama (Qwen 2.5 14B)

Non-blocking Ollama availability check before summarizing
Writes transcriptions/resumen.md with actionable insights

2. Short links, tracking parameters, and deduplication

Links shared over WhatsApp or Slack are rarely clean. The exact same TikTok video often shows up in two different formats within the same batch:

The full browser URL with session tracking query strings like https://www.tiktok.com/@client/video/7691761289726594326?_r=1&_t=ZN-9ASicGAxtaw
The mobile short link like https://vm.tiktok.com/ZN8BDuYDp/

If you feed both into a naive script, it downloads and transcribes the same video twice, skewing both the word counts and the final summary.

In reelscribe, every URL runs through resolve_url() before calling yt-dlp:

SHORT_LINK_HOSTS = {"vm.tiktok.com", "vt.tiktok.com", "instagr.am"}

def resolve_url(url: str) -> str:
    url = url.strip()
    parsed = urlparse(url)
    host = parsed.netloc.lower()

    if host in SHORT_LINK_HOSTS or "/t/" in parsed.path:
        req = urllib.request.Request(url, headers={"User-Agent": USER_AGENT})
        with urllib.request.urlopen(req, timeout=15) as resp:
            url = resp.geturl()
            parsed = urlparse(url)
            host = parsed.netloc.lower()

    if "tiktok.com" in host or "instagram.com" in host:
        parsed = parsed._replace(query="", fragment="")
        url = urlunparse(parsed)

    return url

This follows HTTP redirects on short-link domains, strips ?_r=1&_t=... tracking parameters, and checks the resulting canonical URL against an in-memory set so duplicate links are skipped automatically. When Instagram or TikTok requires an authenticated session, reelscribe accepts either -c cookies.txt or --cookies-from-browser.

3. GPU acceleration, batch model caching, and three output formats

After testing the first version on real client batches, my girlfriend opened PR #1 as the end user with several speed and usability upgrades:

Automatic NVIDIA GPU acceleration. With --device auto, reelscribe dynamically preloads libcublas.so and libcudnn.so from the active virtualenv, runs faster-whisper on CUDA in float16 precision when an NVIDIA GPU is available, and falls back to CPU in int8 if CUDA is missing.
Batch model caching. Instead of reloading WhisperModel from disk for each URL, the CLI initializes the model once in memory and reuses it across the entire queue.
PyAV compatibility shim. Wraps av.open to strip the deprecated metadata_errors keyword argument on newer PyAV releases so audio decoding does not crash.

Short-form social videos also have a common trap for speech recognition models. Loud background music, jump cuts, and non-speech audio effects often cause un-filtered Whisper runs to hallucinate repeated phrases during music sections. To prevent this, reelscribe enables faster-whisper's Voice Activity Detection via vad_filter=True with a 400 ms silence threshold and extracts word-level timestamps via word_timestamps=True.

Each video produces three separate files in the output directory:

Markdown file .md. Formatted for quick human review with a metadata header, the full clean paragraph transcript, and a timestamped breakdown.
SubRip subtitle file .srt. Ready to drop into any video editor when clips need captions or repurposing.
Structured JSON .json. Stores all yt-dlp metadata, full text, segments, and every individual word with its start time, end time, and confidence score. You can run scripts against it to count keyword frequency, measure speaking pace, or correlate specific hooks with video retention.

4. Batch summarization with local Ollama

Having separate .md files for twenty videos solves the transcription bottleneck, while the final step analyzes the entire batch together.

Instead of paying for cloud APIs or pasting transcripts into a browser tab, reelscribe connects directly to a local Ollama server at http://localhost:11434/api/chat running Qwen2.5-14B-Instruct.

Before requesting the summary, is_ollama_available() runs a 1.5-second check against /api/tags. If Ollama is offline, reelscribe prints a notice and keeps all per-video transcripts intact without failing the batch. When Ollama is active, it bundles the metadata and transcripts to generate transcriptions/resumen.md with three sections:

Executive summary. Covers the overarching theme and communication style across the batch.
Per-video breakdown. Details the hook, core offer, structure, and call to action of each individual video.
Actionable takeaways. Highlights which phrasing, offers, and script structures stand out to replicate in upcoming content.

5. Terminal workflow

Processing a batch of Reels or TikToks takes a single command in WSL, whether passing URLs as arguments, from a -f text file, or piped via stdin:

# Transcribe multiple URLs on GPU (including short links) and open the folder when done
reelscribe --open-dir "https://vm.tiktok.com/ZN8BDuYDp/" "https://www.instagram.com/reel/EXAMPLE/"

# Process an entire client batch from a file with cookies and large-v3-turbo
reelscribe -f client_october.txt -c cookies.txt -m large-v3-turbo -o transcriptions/client_october

When it finishes, the output folder contains numbered files for each video plus the consolidated resumen.md, opening straight in File Explorer when --open-dir is passed. What used to take an entire afternoon of replaying videos and typing notes by hand now finishes in seconds, running 100% locally.

The source code is available on GitHub at github.com/riccivr/reelscribe.