ClipMind: как TikTok, YouTube и Apple Podcasts превращаются в Markdown

После голосовых заметок у VoxBase появился второй вход.

Не мой голос, а чужие медиа.

Я отправляю ссылку с iPhone через Share Sheet.

Дальше ClipMind сам определяет источник:

if is_tiktok(url):
    process_tiktok(url)
elif is_youtube(url):
    process_youtube(url)
elif is_apple_podcast(url):
    process_podcast(url)

То есть одна очередь принимает разные ссылки, но внутри запускает разные стратегии.

Потому что TikTok, YouTube и подкаст нельзя обрабатывать одинаково.

TikTok

Сначала ClipMind ищет captions и проверяет:

• тот ли язык
• достаточно ли текста
• не lyrics ли это
• не мусорные ли автосубтитры

Если captions не проходят проверку:

видео
› аудио
› ffmpeg
› локальный Whisper
› Markdown

YouTube

Здесь принцип другой:

не скачивать видео, если текст уже существует.

YouTube URL
› metadata
› готовый transcript
› Markdown

Никакого видео, аудио и Whisper, если субтитры доступны.

Если их нет, ClipMind не начинает тяжелую загрузку вслепую. Он сохраняет metadata и понятный статус ошибки.

Apple Podcasts

Это самый сложный источник.

Apple Podcasts URL
› iTunes Lookup
› RSS
› готовый transcript

Если текста в RSS нет:

RSS audio enclosure
› локальная транскрибация

Но длинный подкаст нельзя незаметно отправить в Whisper фоном. Однажды такой fallback создал лишнюю нагрузку на GPU, поэтому теперь он отключён для автоматической очереди и запускается только явно.

Самая важная часть ClipMind начинается еще до транскрипции.

Как только ссылка попадает в очередь, создаётся задача в Todoist.

Даже если обработка позже завершится ошибкой.

• исходная ссылка не теряется
• одна задача обновляется по мере обработки
• дубли не создаются
• после завершения ссылка удаляется из очереди
• временные видео, аудио и chunks очищаются
• в iCloud остаются только лёгкие финальные артефакты

В итоге три совершенно разных источника сходятся в одной форме:

ссылка
› правильная стратегия извлечения
› Markdown
› Todoist
› память

Главная идея ClipMind оказалась не в том, чтобы транскрибировать все подряд.

А в том, чтобы сначала найти самый дешёвый и точный путь к тексту.

Иногда это готовые субтитры.
Иногда RSS.
Иногда локальный Whisper.
Иногда честный failure artifact.

Разные входы.
Разные маршруты.
Один результат: медиа перестает исчезать в ленте и становится частью моей рабочей системы.