mcpField
A
audio-transcription

audio-transcription

github.com/postplusaiクリエイティブ・メディア271.3k 回インストール1 日前に更新
リポジトリ

audio-transcription について

audio-transcriptionは、音声の文字起こし、タイムスタンプ付きの記録、多言語文字起こし、成果物の作成を行うスキルです。PostPlusのコマンドラインを使うホスト型処理を案内し、ジョブ状態の確認や字幕変換にも対応します。

主な機能

  1. 01音声の文字起こし
  2. 02字幕向けタイムスタンプ
  3. 03多言語文字起こし
  4. 04PostPlusコマンドラインでの非同期実行
  5. 05ローカル字幕変換の案内

活用シーン

  1. 01音声録音の文字起こし
  2. 02字幕用のタイムコード付きテキスト作成
  3. 03音声内の発話の概略検索
  4. 04保留中の文字起こしジョブの再開

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/postplusai/postplus-skills --skill audio-transcription

インストール後、Claude Code で/audio-transcriptionを入力して読み込まれたか確認します。

同梱ファイルreferences/subtitles.md

詳細

音声文字起こし

使用する場合

  • 入力が音声で、主な作業が音声からテキストへの変換、字幕用のタイミング付け、簡易的な音声検索、多言語の文字起こし、または長期保存可能な文字起こしデータの作成である場合。
  • 動画入力には video-transcription を、動画の意味的な理解には media-analysis を使用してください。

タイムスタンプ付きの文字起こしがすでにあり、字幕の出力のみを求められている場合は、文字起こしを省略し、ローカルの字幕変換リファレンスを参照してください。

使用しない場合

  • 音声や字幕ではなく、新たな創作や視覚的な分析が必要なタスク。
  • 必須の入力が不足しており、推測すると結果が変わる場合。

実行上の境界

  • ホスト型の文字起こしは公開コマンド postplus media transcribe を通じて実行され、非同期で処理されます。送信すると、実行ハンドル、現在のステータス、および利用可能な場合は完了した成果物が記録されます。
  • ローカルパス、HTTPS URL、既存の PostPlus メディア参照、またはデータ URI を --audio に直接渡してください。CLI は単一のホスト型処理を送信する前に、ローカルメディアを検証して準備します。
  • 高品質なデフォルトモデルと、より高速で低コストなバリアントを利用できます。字幕の品質が重要な場合はデフォルトを優先し、明示的に簡易版を求められた場合は低コストのバリアントを使用してください。以下の生成例には、デフォルトのエンドポイントキーが示されています。

ソースとパス

  • PostPlus が実行前にリクエストを検証できるよう、メディアの長さを指定してください。長さが指定されていない場合は、送信前に失敗します。
  • 出力を字幕や編集の判断に使用する場合は、タイムスタンプをリクエストしてください。
  • 大規模なバッチを処理する前に、ソースファイルまたは音声 URL を1つ指定して開始してください。
  • 内部リクエスト、レスポンス、マニフェスト、正規化した文字起こしデータ、ダウンロードした成果物は .postplus/audio-transcription 内に保存してください。最終的にユーザーへ渡す文字起こしのエクスポートは .postplus の外に保存してください。

引き継ぎ

  • ステータスが保留中の場合は、結果のパスを保持し、同じ操作について CLI が返したアクションまたは再開コマンドに従ってください。別のジョブを送信しないでください。CLI の待機/復旧の境界に達したら停止し、状況を報告してください。
  • SRT/ASS を求められた場合は、実際のタイムスタンプ付き文字起こしを使用し、ローカル字幕変換 を参照してください。追加のホスト型リクエストを送信せず、ローカルで変換してください。CLI のエクスポートコマンドを作り出さないでください。

停止条件

  • 必要なユーザーの意図、ソースの根拠、または管理対象の入力成果物が不足しており、推測すると結果が変わる場合は停止してください。

公開コマンドの境界

  • ユーザーの入力に合致する最小限のコマンドまたはワークフローを選び、そのまま実行してください。

  • 準備状況の診断:postplus doctor --skill audio-transcription。

  • エンドポイント、フラグ、列挙値の契約全体が必要な場合、または不明なリクエスト形式を修復する場合に限り、postplus media schema --json を実行してください。

  • 以下の生成コマンドを使用してホスト型の文字起こしジョブを実行してください。他の実行インターフェイスは使用しないでください。

  • ソースは --audio から直接渡してください。事前にアップロードしたり、手動でリクエストオブジェクトを構築したりしないでください。

postplus media transcribe transcription \
  --audio ./reference.wav \
  --duration-seconds 1 \
  --wait \
  --output ./result.json

CLI の構造化された結果と報告された次のアクションに従ってください。自由記述のメッセージから復旧方法を推測しないでください。 求められた場合は、ユーザーの明示的な承認を待ってください。アクションの実行は、支出、公開、または上書きの許可を意味しません。 返されたチェックポイントまたはアクションを通じて同じ操作を再開してください。不確かな処理を再送信したり、復旧を繰り返したり、失敗を回避するためにプロバイダーを切り替えたりしないでください。

  • 依頼されたタスクでは、現在の価格と残高を確認したうえで、既存の PostPlus クレジットを使用します。 見積もりのみのリクエストは実行しません。クレジットが不足している場合は停止してください。チャージ、サブスクリプションの購入、不確かな有料処理の繰り返しは行わないでください。

コメント