← Zurück zu den Pipelines

Highlights

Liest ein Transkript und liefert N redaktionelle Auswahlen zurück, die zitierfähigsten Momente zum Clippen, für die Kapitelerstellung oder für Social-Media-Posts.

ModellClaude Sonnet 4.6
10

1 – 20

Noch erforderlich: Transkript (SRT/TXT)

Rezepte mit dieser Pipeline

Artikel zu dieser Pipeline

Highlights API

Rufen Sie diese Pipeline aus Ihrem eigenen Code auf. Eine Anfrage startet einen Lauf; das Modell ist ein Eingabefeld, kein eigener Endpunkt.

4 Eingaben
1 erforderlich
10 Credits
bun add @pipe2-ai/sdk 
import { createClient } from "@pipe2-ai/sdk";

const client = createClient(process.env.PIPE2_TOKEN!);

const { run_pipeline } = await client.RunPipeline({
  pipeline_slug: "highlights",
  input: {
    transcript_asset_id: "a1b2c3d4-0000-4000-8000-000000000002",
  },
});
pip install pipe2 
import asyncio
import os

from pipe2 import Pipe2Client

client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])

run = asyncio.run(client.run_pipeline(
    pipeline_slug="highlights",
    input={
        "transcript_asset_id": "a1b2c3d4-0000-4000-8000-000000000002",
    },
))
go get github.com/pipe2-ai/sdk-go 
client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))

input := json.RawMessage(`{
  "transcript_asset_id": "a1b2c3d4-0000-4000-8000-000000000002"
}`)

run, err := pipe2.RunPipeline(context.Background(), client, "highlights", input)
if err != nil {
    log.Fatal(err)
}
brew install pipe2-ai/tap/pipe2 
pipe2 pipelines run \
  --pipeline highlights \
  --input-json '{"transcript_asset_id": "a1b2c3d4-0000-4000-8000-000000000002"}' \
  --wait

API-Token holen →

Parameter

transcript_asset_id erforderlich

Transcript to find highlights in. Asset id returned by an upload. See /docs/api/ for the upload flow.

string
count

How many highlight moments to return.

integer Standard 5
language

Transcript language. Leave unset to detect it automatically.

string Standard en
Alle 4 Eingaben anzeigen
style

Hinweis in natürlicher Sprache, "die lustigsten Momente", "die stärksten Argumente", "die kontroversen Aussagen". Leer lassen für die Standardauswahl zitierfähiger Momente.

string

Aus einem KI-Agenten heraus nutzen

Richten Sie einen beliebigen MCP-Client auf pipe2 aus, und Ihr Agent erhält diese Tools. Er findet diese Pipeline, liest dasselbe Schema von oben und führt sie aus.

  • list_pipelines
  • get_pipeline_schema
  • run_pipeline
  • get_pipeline_run_status
  • request_upload
https://mcp.pipe2.ai/mcp 
{
  "mcpServers": {
    "pipe2ai": {
      "url": "https://mcp.pipe2.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

Vollständige API-Referenz MCP-Einrichtung CLI-Referenz

Highlights: redaktionelle Momentauswahl

Füge ein Transkript ein (SRT oder Klartext) und erhalte eine bewertete JSON-Liste der zitierfähigsten, aufmerksamkeitsstärksten Momente zurück. Claude liest den gesamten Text, wendet deine redaktionelle Vorgabe an und liefert jede Auswahl mit einer Kontextnotiz aus einem Satz und einer Ziel-Cliplänge zurück.

Was du damit machen kannst

  • Speise das clip-factory-Rezept: der Auto-Pfad in clip-factory führt highlights automatisch zwischen der Transkription und der Trim-Schleife pro Clip aus, sodass du den manuellen clips.json-Schritt komplett überspringst
  • Erstelle Kapitelmarken: nutze die Auswahlen, um YouTube-Kapitel-Zeitstempel oder Abschnitte für Podcast-Shownotes hinzuzufügen
  • Erstelle Social-Media-Posts: die Kontextnotiz jeder Auswahl ist ein bearbeitungsfertiger Tweet- oder Untertitel-Entwurf
  • Steuere die Auswahl: gib einen Stilhinweis wie „die lustigsten Momente“ oder „die stärksten technischen Argumente“ an, um themenspezifische Schnitte zu erhalten

So funktioniert es

  1. Transkribiere dein Video oder Audio: führe die Transcription-Pipeline aus, um ein SRT-Asset in deiner Bibliothek zu erhalten
  2. Hänge das Transkript an und lege die Anzahl der gewünschten Momente fest (Standard 5, max. 20)
  3. Füge optional eine Stilvorgabe hinzu: in normaler Sprache beschrieben, welche Art von Momenten du möchtest
  4. Lade highlights.json herunter: ein JSON-Array von Auswahlen, jede mit einer Kontextnotiz und desired_seconds

Häufig gestellte Fragen

Welche Transkriptformate werden unterstützt?
Nur SRT, das Standard-Untertitelformat mit Zeitstempeln. Klartext ohne Zeitstempel wird nicht akzeptiert. Erzeuge zuerst eine SRT mit der Transcription-Pipeline.
Wie funktioniert die Stilvorgabe?
Schreibe eine Vorgabe in normaler Sprache, „die lustigsten Momente“, „die stärksten Argumente“, „die kontroversesten Aussagen“, „die emotionalen Höhepunkte“. Leer nutzt den eingebauten Standard: die zitierfähigsten, aufmerksamkeitsstärksten Momente mit klaren Meinungen, überraschenden Fakten, lebendigen Geschichten und klaren Argumenten.
Wie viele Momente sollte ich anfordern?
5 ist ein guter Standard für eine Aufnahme von 30–60 Minuten. Für ein 10-minütiges Video sind meist 2–3 richtig. Für einen mehrstündigen Konferenzvortrag 8–10. Die Auswahl begrenzt sich auf so viele eindeutige Momente, wie vorhanden sind, ein 5-minütiger Clip mit nur einem Kernpunkt liefert 1 Auswahl, selbst wenn du 5 anforderst.
Wie funktioniert das mit dem clip-factory-Rezept?
Das clip-factory-Rezept führt highlights automatisch aus, du musst diese Pipeline nicht separat aufrufen, es sei denn, du möchtest die Auswahlen vor dem Zuschneiden prüfen oder bearbeiten. Übergib --highlights-count und --highlights-style an das Rezept, um es abzustimmen.
Wie viel kostet es?
10 Credits pauschal, unabhängig von der Transkriptlänge oder der Anzahl der Auswahlen. Die Kosten stammen aus der KI-Analyse, nicht aus der Transkriptlänge.

Weitere Pipelines entdecken

Alle ansehen →
Video-Generator
from 9.5
Video-Generator →
Bild-Generator
0.2-6.4
Bild-Generator →
Audio-Generator
0.7-1.3
Audio-Generator →
Musik-Generator
2.5-45.1
Musik-Generator →