Przejdź do treści
Biblioteka skilli
Dokumenty i biuro · Konwersja i formaty

transcribe

/transcribe

Transkrybuje pliki audio do tekstu z opcjonalną diaryzacją i podpowiedziami o znanych mówcach, także z nagrań wideo, wywiadów i spotkań.

Repozytorium
skills ↗
Licencja
MIT
Ostatnia zmiana repozytorium
01.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
7
Skrypty
1
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 01.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co sprawdzić przed instalacją
  • 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: scripts/transcribe_diarize.py

Co robi i kiedy

Transkrybuje pliki audio do tekstu z opcjonalną diaryzacją i podpowiedziami o znanych mówcach, także z nagrań wideo, wywiadów i spotkań.

Oryginalny opis (EN)

Transcribe audio files to text with optional diarization and known-speaker hints. Use when a user asks to transcribe speech from audio/video, extract text from recordings, or label speakers in interviews or meetings.

Jak działa

  1. Workflow
  2. Decision rules
  3. Output conventions
  4. Dependencies (install if missing)
  5. Environment
  6. Skill path (set once)
  7. CLI quick start
  8. Reference map
Sekcje z nagłówków SKILL.md, w oryginale · 78 linii, 344 słów
Podgląd SKILL.md
---
name: "transcribe"
description: "Transcribe audio files to text with optional diarization and known-speaker hints. Use when a user asks to transcribe speech from audio/video, extract text from recordings, or label speakers in interviews or meetings."
---


# Audio Transcribe

Transcribe audio using OpenAI, with optional speaker diarization when requested. Prefer the bundled CLI for deterministic, repeatable runs.

## Workflow
1. Collect inputs: audio file path(s), desired response format (text/json/diarized_json), optional language hint, and any known speaker references.
2. Verify `OPENAI_API_KEY` is set. If missing, ask the user to set it locally (do not ask them to paste the key).
3. Run the bundled `transcribe_diarize.py` CLI with sensible defaults (fast text transcription).
4. Validate the output: transcription quality, speaker labels, and segment boundaries; iterate with a single targeted change if needed.
5. Save outputs under `output/transcribe/` when working in this repo.

## Decision rules
- Default to `gpt-4o-mini-transcribe` with `--response-format text` for fast transcription.
- If the user wants speaker labels or diarization, use `--model gpt-4o-transcribe-diarize --response-format diarized_json`.
- If audio is longer than ~30 seconds, keep `--chunking-strategy auto`.
- Prompting is not supported for `gpt-4o-transcribe-diarize`.

## Output conventions
- Use `output/transcribe/<job-id>/` for evaluation runs.
- Use `--out-dir` for multiple files to avoid overwriting.

## Dependencies (install if missing)
Prefer `uv` for dependency management.

```
uv pip install openai
```
If `uv` is unavailable:
```
python3 -m pip install openai
```

## Environment
- `OPENAI_API_KEY` must be set for live API calls.
- If the key is missing, instruct the user to create one in the OpenAI platform UI and export it in their shell.
- Never ask the user to paste the full key in chat.

## Skill path (set once)

```bash
# Set to the directory containing this SKILL.md
export TRANSCRIBE_CLI="<path-to-skill>/scripts/transcribe_diarize.py"
```

Replace `<path-to-skill>` with the actual skill installation directory (e.g. `.skills/transcribe` or `~/.letta/skills/transcribe`).

## CLI quick start
Single file (fast text default):
```
python3 "$TRANSCRIBE_CLI" \
  path/to/audio.wav \
  --out transcript.txt
```

Diarization with known speakers (up to 4):
```
python3 "$TRANSCRIBE_CLI" \
  meeting.m4a \
  --model gpt-4o-transcribe-diarize \
  --known-speaker "Alice=refs/alice.wav" \
  --known-speaker "Bob=refs/bob.wav" \
  --response-format diarized_json \
  --out-dir output/transcribe/meeting
```

Plain text output (explicit):
```
python3 "$TRANSCRIBE_CLI" \
  interview.mp3 \
  --response-format text \
  --out interview.txt
```

## Reference map
- `references/api.md`: supported formats, limits, response formats, and known-speaker notes.
Pliki w paczce (7)
  • LICENSE.txt 11 KB
  • SKILL.md 3 KB
  • agents/openai.yaml 1 KB
  • assets/transcribe-small.svg 1 KB
  • assets/transcribe.png 1 KB
  • references/api.md 1 KB
  • scripts/transcribe_diarize.py 8 KB

Wersje

RepozytoriumWynikLicencja
Ta strona · letta-ai/skills100MIT
fabioannovazzi/app_files100AGPL-3.0
seaworld008/commonly-used-high-value-skills100MIT
davila7/claude-code-templates100MIT
codingjoe/VoIP100AGPL-3.0
digital-stoic-org/agent-skills100MIT
pandysp/claude-plugins100MIT
xingfanxia/ax-skills100MIT
henkisdabro/wookstar-claude-plugins100MIT

Migawka bazy z 28.10.2026 · wersja paczki 0e7c8ec13f38 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100video-transcription
    Transkrybuje wideo i audio do napisów SRT z rozpoznawaniem mówców przez API Soniox (domyślnie) lub AssemblyAI, dla MKV, MP4, MOV, M4A i MP3.
  • 100transcribe-audio
    Transkrybuje audio lub wideo do tekstu lokalnie uruchamianym modelem rozpoznawania mowy i pomaga skonfigurować lub zmienić lokalny model transkrypcji.
  • 100asr
    Transkrybuje pliki audio na tekst lokalnym rozpoznawaniem mowy.
  • 95audio-dispatch
    Transkrybuje nagranie z wieloma mówcami przez Voxtral i streszcza decyzje, zadania i otwarte pytania według mówców, dla nagrań spotkań i rozmów.
  • 100video-transcribe
    Transkrybuje wsadowo wideo lub audio (WAV, podcasty) przez Whisper z odtwarzalnym zapisem pochodzenia.
  • 100transcribe-audio
    Transkrybuje nagranie audio lub wideo lokalnie przez whisper.cpp, bez wysyłania go na zewnątrz, gdy użytkownik chce mieć tekst z pliku.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.