mcpField
T
transform-transcribe-audio-with-transloadit

transform-transcribe-audio-with-transloadit

github.com/transloaditクリエイティブ・メディア538 回インストール1 週間前に更新
リポジトリ

transform-transcribe-audio-with-transloadit について

このスキルはTransloadit公式CLIを使い、ローカルの音声や動画を文字起こしまたは字幕ファイルに変換します。単一・複数ファイルを扱うエージェントのワークフロー向けで、形式と言語を指定でき、ローカル設定から認証情報を解決します。

主な機能

  1. 01ローカル音声・動画の文字起こし
  2. 02単一または複数ファイルの処理
  3. 03text、json、srt、webvttで出力
  4. 04ソース言語とターゲット言語の指定
  5. 05ローカル設定から認証情報を解決

活用シーン

  1. 01録音をテキストファイルに変換
  2. 02複数のメディアの文字起こしを生成
  3. 03動画のSRTまたはWebVTT字幕を作成
  4. 04ターゲット言語を指定して文字起こしを依頼

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/transloadit/skills --skill transform-transcribe-audio-with-transloadit

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

詳細

Transloadit で音声または動画を書き起こす

次の用途に使用します

  • テキストの書き起こしや字幕ファイルに変換する、ローカルの音声または動画ファイル
  • 出力をローカルにダウンロードする、1 つまたは複数のファイル
  • 認証情報がシェル、ローカルの .env、または ~/.transloadit/credentials にすでに存在する場合のエージェントのワークフロー

入力

  • ローカルの音声または動画ファイルの絶対パス（1 つまたは複数）
  • 出力パス（任意）。デフォルトは同じベース名に .txt を付けたものです
  • 形式（任意）：text、json、srt、または webvtt

ワークフロー

  1. 各入力ファイルの存在を確認し、絶対パスを解決します。
  2. 出力パスを決定します。
    • 入力が 1 つで、出力が指定されていない場合：同じディレクトリに、同じベース名で .txt を付けて出力します
    • 入力が複数で、出力が指定されていない場合：入力ファイルの隣に transcripts/ ディレクトリを作成します
    • その形式が指定された場合は、.json、.srt、または .webvtt を使用します
  3. 次の順序で、CLI に認証情報を自動解決させます。
    • シェル環境変数
    • 現在の作業ディレクトリの .env のみ
    • ~/.transloadit/credentials .env が親ディレクトリにある場合は、先に変数をシェルにエクスポートしてください。
  4. 公式 CLI のインテントを使って書き起こしを実行します。
npx -y @transloadit/node speech transcribe --input /ABS/PATH/input.opus --output /ABS/PATH/input.txt

複数のファイルの場合は、--input を繰り返し指定し、出力先にディレクトリを指定します。

npx -y @transloadit/node speech transcribe \
  --input /ABS/PATH/a.opus \
  --input /ABS/PATH/b.opus \
  --output /ABS/PATH/transcripts/

オプション

  • デフォルト形式：text
  • その他の形式：--format json、--format srt、--format webvtt
  • デフォルトのプロバイダー：ElevenLabs Scribe の準備が整うまでは replicate
  • 明示的に指定できるプロバイダー：--provider aws、--provider gcp、--provider replicate
  • --provider transloadit は使用しないでください。この内部の Whisper 経由の処理は開発中です
  • 入力言語がわかっている場合は、--source-language <code> を使用します
  • 翻訳をリクエストする場合は、--target-language <code> を使用します

注意事項

  • @transloadit/node を優先して使用してください。これは公式 CLI 経由の方法であり、speech transcribe を提供します。
  • サブコマンドがないというエラーが表示された場合は、音声書き起こしのインテントに対応した新しい @transloadit/node リリースに更新してください。
  • シークレットはローカルのみに保管してください。TRANSLOADIT_SECRET を表示したり、ブラウザーのコードにコピーしたりしないでください。
  • 書き起こし後、想定される各出力ファイルが存在し、空でないことを確認してください。

コメント

Markdown 対応