Was macht faster-whisper?
Agent-Fertigkeit von theplasmak/faster-whisper
Übersicht
Diese Fertigkeit ermöglicht es KI-Agenten, Audiodateien mit dem Modell faster-whisper zu transkribieren und zu übersetzen – einer optimierten Version von OpenAI's Whisper.
Hauptfunktionen
- Transkription von Audio- und Videodateien
- Übersetzung von Audio in englischen Text
- Nutzung von faster-whisper für schnellere Verarbeitung und geringeren Speicherverbrauch
Voraussetzungen
- Python 3.8 oder höher
faster-whisper-Bibliothek installiert (pip install faster-whisper)- Genügend Speicherplatz für das Modell (ca. 1–3 GB je nach Modellgröße)
Verwendung
Die Fertigkeit kann über die folgenden Befehle verwendet werden:
# Transkription einer Audiodatei
skill transcribe pfad/zur/datei.mp3
# Übersetzung einer Audiodatei ins Englische
skill translate pfad/zur/datei.mp3
Unterstützte Formate
.mp3.wav.m4a.ogg.flac.mp4(Videodateien)
Modellkonfiguration
Standardmäßig wird das Modell base verwendet. Sie können die Modellgröße mit dem Flag --model angeben:
skill transcribe --model large-v2 pfad/zur/datei.mp3
Plattformkompatibilität
Diese Fertigkeit wurde für folgende Plattformen entwickelt:
- Claude Code
- Cursor
- Codex (oder andere KI-Agenten-Plattformen)
Lizenz
Diese Fertigkeit steht unter der MIT-Lizenz.