Voice Inbox — Transcripción y procesamiento de mensajes de voz
Skill para transcribir mensajes de audio recibidos por WhatsApp o Nextcloud Talk, interpretar la intención del PM y ejecutar el comando correspondiente en pm-workspace.
Flujo principal
Audio (.ogg/.opus/.m4a) → Faster-Whisper → Texto → Claude interpreta → Comando
- Descargar audio — MCP WhatsApp
download_mediao Nextcloud Talk API - Convertir formato — ffmpeg si necesario (ogg/opus → wav 16kHz mono)
- Transcribir — Faster-Whisper (local, sin enviar audio a terceros)
- Interpretar — Claude analiza el texto y mapea a un comando de pm-workspace
- Confirmar — Mostrar al PM la transcripción + comando propuesto antes de ejecutar
- Ejecutar — Lanzar el comando tras confirmación
Configuración de Faster-Whisper
Instalación
pip install faster-whisper --break-system-packages
Modelos recomendados
| Modelo | RAM | Velocidad | Calidad | Uso recomendado |
|---|---|---|---|---|
tiny |
~1 GB | Muy rápida | Básica | Test rápido, mensajes cortos claros |
base |
~1 GB | Rápida | Buena | Mensajes cortos en entorno silencioso |
small |
~2 GB | Media | Muy buena | Recomendado para uso diario |
medium |
~5 GB | Lenta | Excelente | Audio con ruido o acentos fuertes |
large-v3 |
~10 GB | Muy lenta | Máxima | Cuando la precisión es crítica |
El modelo se configura en messaging-config.md → WHISPER_MODEL.
Por defecto: small (buen equilibrio calidad/velocidad).
Idiomas
Faster-Whisper detecta idioma automáticamente, pero se puede forzar:
WHISPER_LANGUAGE = "es"→ españolWHISPER_LANGUAGE = "auto"→ detección automática (defecto)
Interpretación de intención
Una vez transcrito el audio, Claude recibe el texto con este prompt interno:
El PM ha enviado un mensaje de voz. Transcripción:
"{texto_transcrito}"
Analiza la intención y responde con:
1. Comando de pm-workspace más adecuado (con parámetros)
2. Confianza: alta/media/baja
3. Si confianza < alta → pedir confirmación al PM
Contexto: proyecto activo = {proyecto_actual}
Comandos disponibles: @docs/rules/domain/pm-workflow.md
Ejemplos de mapeo voz → comando
| El PM dice... | Comando mapeado |
|---|---|
| "Ponme el estado del sprint de sala-reservas" | /sprint-status --project sala-reservas |
| "¿Cómo va la deuda técnica?" | /debt-track --project {activo} |
| "Descompón el PBI 1234 en tareas" | /pbi-decompose 1234 |
| "Genera el informe ejecutivo del sprint" | /report-executive --project {activo} |
| "Hazme un audit del proyecto nuevo" | /project-audit --project {activo} |
| "Manda el resumen del sprint al equipo por Slack" | /notify-slack #equipo {resumen} |
| "¿Qué alertas de seguridad hay?" | /security-alerts --project {activo} |
Casos ambiguos
Si la transcripción no mapea claramente a un comando:
- Confianza baja → mostrar transcripción + "¿Qué quieres que haga con esto?"
- Múltiples comandos posibles → listar opciones para que el PM elija
- No es un comando → tratar como mensaje informativo y archivar
Formatos de audio soportados
| Formato | Origen típico | Conversión necesaria |
|---|---|---|
.ogg (Opus) |
No (Faster-Whisper lo soporta) | |
.m4a (AAC) |
iOS WhatsApp | ffmpeg -i input.m4a output.wav |
.webm (Opus) |
Nextcloud Talk web | No |
.wav |
General | No |
Restricciones
- Privacidad: el audio se procesa LOCAL, nunca se envía a APIs externas
- Confirmación: SIEMPRE mostrar transcripción y comando antes de ejecutar
- Errores de transcripción: si el PM corrige, aprender del contexto
- Requiere
ffmpeginstalado para conversiones de formato - Requiere
faster-whisperinstalado (pip install faster-whisper)