Communitygithub.com

badlogic/pi-skills

Lokale Sprach-zu-Text-Transkription auf Apple Silicon macOS. Unterstützt wav direkt und andere Audioformate über ffmpeg.

Was ist pi-skills?

Dieses Skill ermöglicht die lokale Sprach-zu-Text-Transkription direkt auf Apple Silicon macOS ohne Cloud-Abhängigkeit. Es basiert auf dem `piper-tts`-Projekt, das für schnelle Offline-Transkription optimiert ist. Das Skill unterstützt direkt das WAV-Audioformat und nutzt ffmpeg zur Konvertierung anderer Formate (wie MP3, M4A, FLAC). Entwickler können damit Sprachbefehle oder Diktate in Echtzeit oder aus Dateien transkribieren, was ideal für datenschutzsensible Anwendungen, automatisierte Workflows und Barrierefreiheitslösungen ist. Es ist speziell für macOS mit Apple Silicon (M1/M2/M3) konzipiert und nutzt die Neural Engine für optimale Leistung.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/badlogic/pi-skills/tree/main/transcribe
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht pi-skills?

Lokale Sprach-zu-Text-Transkription auf Apple Silicon macOS. Unterstützt wav direkt und andere Audioformate über ffmpeg.

Installation

  1. Stelle sicher, dass ffmpeg installiert ist: brew install ffmpeg
  2. Lade das Modell herunter: piper-tts download
  3. Installiere die Abhängigkeiten: pip install -r requirements.txt

Verwendung

Transkription einer WAV-Datei:

pi transcribe input.wav

Transkription anderer Formate (automatische Konvertierung mit ffmpeg):

pi transcribe input.mp3

Transkription in Echtzeit (Mikrofon):

pi transcribe --live

Optionen

  • --model: Pfad zum Modell (Standard: automatisch heruntergeladen)
  • --language: Sprachcode (Standard: de)
  • --device: Ausgabegerät für Echtzeit-Transkription
  • --output: Ausgabedatei für Transkription (ansonsten nur Standardausgabe)

Beispiel

from pi_skills import transcribe

# Transkribiere eine WAV-Datei
text = transcribe("aufnahme.wav")
print(text)

Unterstützte Formate

  • WAV (direkt)
  • MP3, M4A, FLAC, OGG (über ffmpeg)

Abhängigkeiten

  • Python 3.8+
  • ffmpeg
  • piper-tts

Hinweise

  • Dieses Skill funktioniert nur auf macOS mit Apple Silicon.
  • Stelle sicher, dass genügend RAM und Speicherplatz für das Modell vorhanden sind.

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community