trx - Audi Transkription und Aufbereitung

Was macht trx - Audi Transkription und Aufbereitung?

Transkribiere Medien von URLs oder lokalen Dateien mit Whisper, bereinige Audio und erhalte agentenfertiges JSON für KI-Workflows.

Funktionsweise

Der Skill durchläuft folgende Schritte:

1. Audio-Quelle erkennen: Akzeptiert entweder eine URL (YouTube, Audio-Datei) oder einen lokalen Dateipfad.
2. Audio extrahieren & bereinigen: Lädt das Medium herunter, konvertiert es in ein geeignetes Format und bereinigt es (Rauschunterdrückung, Pegelanpassung).
3. Transkription mit Whisper: Nutzt das Whisper-Modell zur Spracherkennung und erzeugt einen Text mit Zeitstempeln.
4. Aufbereitung für KI: Strukturiert die Roh-Transkription in ein JSON-Objekt mit Metadaten und segmentierten Blöcken.

Verwendung

Beispielaufruf (über CLI oder Agent)

## Von einer URL
trx https://example.com/audio.mp3

## Von einer lokalen Datei
trx /pfad/zur/datei.mp4

Ausgabeformat

Der Skill gibt ein JSON-Objekt im folgenden Format zurück:

{
  "source": "https://example.com/audio.mp3",
  "duration_seconds": 120.5,
  "language": "de",
  "segments": [
    {
      "start": 0.0,
      "end": 5.2,
      "text": "Willkommen zu dieser Aufnahme."
    },
    {
      "start": 5.2,
      "end": 12.8,
      "text": "Wir werden heute über die Automatisierung von Workflows sprechen."
    }
  ],
  "full_text": "Willkommen zu dieser Aufnahme. Wir werden heute über die Automatisierung von Workflows sprechen."
}

Voraussetzungen

• Whisper: Lokal installiert (pip install openai-whisper).
• ffmpeg: Für Audio-Extraktion und -Konvertierung (ffmpeg muss im PATH sein).
• yt-dlp (optional): Für das Herunterladen von YouTube-Audio.
• Python 3.8+: Für die JSON-Verarbeitung.

Plattform-Kompatibilität

Der Skill ist mit allen KI-Agenten kompatibel, die Shell-Befehle ausführen können:

• Claude Code
• Cursor
• Codex
• Ähnliche Plattformen

Fehlerbehandlung

Falls die Quelle nicht erreichbar ist oder das Audio nicht verarbeitet werden kann, gibt der Skill eine JSON-Fehlermeldung zurück:

{
  "error": true,
  "message": "Konnte Quelle nicht verarbeiten: Datei nicht gefunden oder ungültiges Format."
}

Hinweise für Entwickler

• Das Standard-Modell ist base. Für bessere Genauigkeit kann das Modell über eine Umgebungsvariable WHISPER_MODEL gesetzt werden (z.B. export WHISPER_MODEL=large).
• Der Skill erwartet, dass die temporären Dateien nach Abschluss gelöscht werden. Falls nicht, kann mit --keep-temp das Verhalten geändert werden.
• Die Sprachautomatik erkennt die Sprache automatisch. Um eine bestimmte Sprache zu erzwingen, verwende --language de.