transcription

文字起こし

1. browse_assets を使用して、動画／音声アセットと文字起こしの状態を確認します。
2. 新しくインポートしたローカルメディアの場合は、まず asset-import ワークフローを完了します。
3. transcription を対象として track_progress を確認します。現在の状態が返されるので、返された再確認の案内に従い、短時間に繰り返し確認しないでください。
4. タイムスタンプ付きのテキストを検索するには find_transcript を使用します。
5. 文字起こしの準備が完了してから、現在のキャプションツールを使ってキャプションの有効化、確認、翻訳、スタイル設定を行います。

保留状態が一度返されたからといって、文字起こしが停止したと判断しないでください。明示的に失敗の終端状態になった場合は、すぐにその状態を扱います。それ以外の場合は、少なくとも max(5 minutes, min(60 minutes, 2 x asset duration)) の時間、またはアセットの長さが不明な場合は、複数回の確認を通じて少なくとも 10 分間待ってください。

no_audio ／無音声は、正常な分析結果の終端状態です。メディアは使用できますが、読み上げやキャプションに使える文字起こしはありません。文字起こしの失敗として報告したり、メディアに検出されるべき音声が含まれているとユーザーが伝えた場合を除き、再試行したりしないでください。

ユーザーが文字起こしの開始または再開を明示的に希望した場合は、trigger_transcript を使用します。これはべき等です。idle と error の場合にのみ処理を開始し、準備完了、音声なし、処理中のアセットは変更しません。文字起こし用の音声がすでに準備されている場合はそれを再利用します。そうでない場合は、開いている Web／Desktop エディターに、ネイティブのパイプラインを通じて音声を準備してアップロードするよう依頼します。その後、track_progress で準備状況を確認します。

idle または明示的に失敗した（error）実行の場合は、アセット ID を指定して trigger_transcript を呼び出し、文字起こしの進捗を再度確認します。処理中の実行が停止と見なされるしきい値を実際に超えている場合は、trigger_transcript が意図的に処理中の作業を変更しないため、manage_transcript のアクション retry_transcription を使用します。外部の MCP ホストから準備済みの audioBase64 を渡す必要がある場合など、低レベルの復旧にも manage ツールを使用できます。元の文字起こしに誤りがある場合は、表示されるキャプションを書き換えるのではなく、transcript-fix アクションで元の単語を修正してください。

意味に関わる音声編集では、talking-head-guide を読み込み、Script ワークフローを使用します。機械的なクリーンアップは、決まったフィラーや間の処理にのみ使用してください。文字起こしを考慮した編集を、破壊的なタイムラインの物理的なカットで置き換えないでください。