whiner9 /transcribe - Транскрибация видео и аудио
Транскрибирует аудио и видео файлы через Gemini 2.5 Flash API.
Режимы
Generic (по умолчанию)
Дословная транскрипция речи с таймкодами [MM:SS] и идентификацией спикеров.
Выходные файлы:
<имя> - транскрипция.md- дословная речь с таймкодами<имя> - саммари.md- краткое саммари (с флагом--with-summary)
Анализ интерфейсов (--analyze-ui, только видео)
Детальный анализ видеозаписи с разбором экранного интерфейса, навигации, действий + скриншоты.
Выходные файлы:
<имя> - саммари.md- краткий обзор (тема, участники, решения)<имя> - детальный.md- пошаговый хронологический анализ с содержимым экрана, скриншотами<имя> - транскрипция.md- дословная речь с таймкодамиscreenshots/- PNG-кадры ключевых моментов
Использование
/transcribe <FilePath> [--output-dir DIR] [--analyze-ui] [--with-summary] [--format md|txt]
| Параметр | Обязательный | По умолчанию | Описание |
|---|---|---|---|
| FilePath | да | - | Путь к аудио/видеофайлу |
| --output-dir | нет | <каталог_файла>/Транскрипция/<имя>/ |
Каталог для результатов |
| --analyze-ui | нет | выкл | Режим анализа интерфейсов (только видео) |
| --with-summary | нет | выкл | Добавить саммари (для generic-режима) |
| --format | нет | md | Формат вывода: md или txt |
Поддерживаемые форматы
- Видео: mp4, mkv, webm, avi, mov
- Аудио: mp3, wav, ogg, m4a, flac, aac, wma
Зависимости
- Python-пакеты:
google-genai,python-dotenv - Системные:
ffmpeg,ffprobeв PATH - API-ключ: файл
~/.claude/skills/transcribe/.envсGEMINI_API_KEY=...
Инструкция
Определи
FilePathи опциональные флаги из аргументов пользователя.Запусти скрипт:
PYTHONUNBUFFERED=1 python ~/.claude/skills/transcribe/scripts/transcribe.py "<FilePath>" [--output-dir "<OutputDir>"] [--analyze-ui] [--with-summary] [--format md|txt]
ВАЖНО: PYTHONUNBUFFERED=1 обязательно, иначе stdout буферизируется и прогресс не отображается.
Скрипт выполняется долго (5-15 мин в зависимости от длины записи). Файлы > 1 часа автоматически разбиваются на части.
После завершения сообщи пользователю пути к результатам.
Прочитай саммари (если есть) или начало транскрипции и покажи пользователю.
Стоимость
~$0.10 за 1 час записи (Gemini 2.5 Flash). Длинные файлы стоят пропорционально.
Ограничения
- Максимум ~1 час за один запрос Gemini (скрипт разбивает автоматически)
- Кириллические имена файлов: скрипт автоматически копирует во temp с ASCII-именем
- Качество скриншотов зависит от качества исходного видео
- Точность таймкодов +/- несколько секунд
--analyze-uiс аудиофайлом автоматически переключается на generic + саммари