mcpField
O
openai-whisper-api

openai-whisper-api

github.com/openclawクリエイティブ・メディア393.3k5.5k 回インストール今日更新
リポジトリ

openai-whisper-api について

openai-whisper-apiは、OpenAI音声文字起こしAPIで音声をテキスト化するスキルです。コマンドラインでの利用を想定し、モデル、言語、出力形式、話者ラベル、互換APIのプロキシURLを指定できます。

主な機能

  1. 01音声文字起こしAPIを利用
  2. 02モデルと言語の選択
  3. 03テキストまたはJSONで出力
  4. 04話者ラベル付きモードに対応
  5. 05互換APIのプロキシURLを設定

活用シーン

  1. 01録音ファイルをテキスト化
  2. 02言語を指定して音声を文字起こし
  3. 03話者ラベル付きの文字起こしを作成

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/openclaw/openclaw --skill openai-whisper-api

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

同梱ファイルscripts/transcribe.sh

詳細

OpenAI 文字起こし API

/v1/audio/transcriptions を通じて音声を文字起こしします。OpenAI 互換のプロキシまたはローカルゲートウェイを使う場合は、OPENAI_BASE_URL を設定してください。

クイックスタート

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a

デフォルト：

  • モデル：gpt-4o-transcribe
  • 出力：<input>.txt

便利なフラグ

{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe --out /tmp/transcript.txt
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-mini-transcribe
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe-diarize --json
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model whisper-1
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --language en
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --prompt "Speaker names: Peter, Daniel"
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --json --out /tmp/transcript.json

注意事項：

  • アップロードでサポートされている形式には、mp3、mp4、mpeg、mpga、m4a、wav、webm があります。
  • ホステッド API のアップロード上限は 25 MB です。
  • 話者ラベルには diarize を使用してください。スクリプトは chunking_strategy=auto を送信し、--prompt を拒否します。

API キー

OPENAI_API_KEY を設定するか、アクティブな OpenClaw 設定ファイル（$OPENCLAW_CONFIG_PATH、デフォルトは ~/.openclaw/openclaw.json）で設定してください。必要に応じて OPENAI_BASE_URL も設定できます。

{
  skills: {
    "openai-whisper-api": {
      apiKey: "OPENAI_KEY_HERE",
    },
  },
}

コメント

Markdown 対応