Communitygithub.com

ASoudy/AGS

Transforma grabaciones de audio en documentación Markdown profesional con resúmenes inteligentes mediante integración con LLM.

¿Qué es AGS?

Esta habilidad automatiza la transcripción de audio a texto con salida Markdown profesional, extrayendo metadatos técnicos detallados (hablantes, marcas de tiempo, idioma, tamaño de archivo, duración) y generando actas de reuniones estructuradas y resúmenes ejecutivos. Utiliza Faster-Whisper o Whisper sin configuración, funcionando universalmente en cualquier proyecto sin rutas fijas ni claves API. Es ideal para reuniones, entrevistas, conferencias y análisis de contenido, transformando grabaciones de audio sin procesar en documentación procesable. El flujo de trabajo incluye detección automática de herramientas de transcripción, validación de archivos, transcripción con diarización de hablantes, y generación de informes Markdown estructurados con metadatos, actas de reuniones (temas, decisiones, elementos de acción) y resúmenes ejecutivos opcionales utilizando modelos de lenguaje como Claude o GPT.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ASoudy/AGS/tree/HEAD/claude_skills_libraries/landing-page-mastery/skills/audio-transcriber

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Propósito

Esta habilidad automatiza la transcripción de audio a texto con salida Markdown profesional, extrayendo metadatos técnicos detallados (hablantes, marcas de tiempo, idioma, tamaño de archivo, duración) y generando actas de reuniones estructuradas y resúmenes ejecutivos. Utiliza Faster-Whisper o Whisper con configuración cero, funcionando universalmente en todos los proyectos sin rutas fijas ni claves API.

Inspirada en herramientas como Plaud, esta habilidad transforma grabaciones de audio sin procesar en documentación procesable, ideal para reuniones, entrevistas, conferencias y análisis de contenido.

Cuándo Usar

Invoca esta habilidad cuando:

  • El usuario necesita transcribir archivos de audio/video a texto
  • El usuario desea que se generen actas de reuniones automáticamente a partir de grabaciones
  • El usuario requiere identificación de hablantes (diarización) en conversaciones
  • El usuario necesita subtítulos (formatos SRT, VTT)
  • El usuario desea resúmenes ejecutivos de contenido de audio extenso
  • El usuario solicita variaciones de "transcribe este audio", "convierte audio a texto", "genera notas de reunión a partir de la grabación"
  • El usuario tiene archivos de audio en formatos comunes (MP3, WAV, M4A, OGG, FLAC, WEBM)

Flujo de Trabajo

Paso 0: Descubrimiento (Detección Automática de Herramientas de Transcripción)

Objetivo: Identificar los motores de transcripción disponibles sin configuración del usuario.

Acciones:

Ejecutar comandos de detección para encontrar herramientas instaladas:

# Verificar Faster-Whisper (preferido - 4-5x más rápido)
if python3 -c "import faster_whisper" 2>/dev/null; then
    TRANSCRIBER="faster-whisper"
    echo "✅ Faster-Whisper detectado (optimizado)"
# Alternativa: Whisper original
elif python3 -c "import whisper" 2>/dev/null; then
    TRANSCRIBER="whisper"
    echo "✅ OpenAI Whisper detectado"
else
    TRANSCRIBER="ninguno"
    echo "⚠️  No se encontró herramienta de transcripción"
fi

# Verificar ffmpeg (conversión de formatos de audio)
if command -v ffmpeg &>/dev/null; then
    echo "✅ ffmpeg disponible (conversión de formato habilitada)"
else
    echo "ℹ️  ffmpeg no encontrado (soporte de formato limitado)"
fi

Si no se encuentra ningún transcriptor:

Ofrecer instalación automática usando el script proporcionado:

echo "⚠️  No se encontró herramienta de transcripción"
echo ""
echo "🔧 ¿Instalar dependencias automáticamente? (Recomendado)"
read -p "¿Ejecutar script de instalación? [S/n]: " AUTO_INSTALL

if [[ ! "$AUTO_INSTALL" =~ ^[Nn] ]]; then
    # Obtener directorio de la habilidad (funciona tanto para instalaciones repo como enlazadas)
    SKILL_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
    
    # Ejecutar script de instalación
    if [[ -f "$SKILL_DIR/scripts/install-requirements.sh" ]]; then
        bash "$SKILL_DIR/scripts/install-requirements.sh"
    else
        echo "❌ Script de instalación no encontrado"
        echo ""
        echo "📦 Instalación manual:"
        echo "  pip install faster-whisper  # Recomendado"
        echo "  pip install openai-whisper  # Alternativa"
        echo "  brew install ffmpeg         # Opcional (macOS)"
        exit 1
    fi
    
    # Verificar que la instalación fue exitosa
    if python3 -c "import faster_whisper" 2>/dev/null || python3 -c "import whisper" 2>/dev/null; then
        echo "✅ ¡Instalación exitosa! Procediendo con la transcripción..."
    else
        echo "❌ Instalación fallida. Por favor, instala manualmente."
        exit 1
    fi
else
    echo ""
    echo "📦 Se requiere instalación manual:"
    echo ""
    echo "Recomendado (más rápido):"
    echo "  pip install faster-whisper"
    echo ""
    echo "Alternativa (original):"
    echo "  pip install openai-whisper"
    echo ""
    echo "Opcional (conversión de formato):"
    echo "  brew install ffmpeg  # macOS"
    echo "  apt install ffmpeg   # Linux"
    echo ""
    exit 1
fi

Esto asegura que los usuarios puedan instalar dependencias con una confirmación, u optar por la instalación manual si lo prefieren.

Si se encuentra un transcriptor:

Proceder al Paso 0b (Detección de CLI).

Paso 1: Validar Archivo de Audio

Objetivo: Verificar que el archivo existe, comprobar el formato y extraer metadatos.

Acciones:

  1. Aceptar ruta de archivo o URL del usuario:

    • Archivo local: meeting.mp3
    • URL: https://example.com/audio.mp3 (descargar a directorio temporal)
  2. Verificar que el archivo existe:

if [[ ! -f "$AUDIO_FILE" ]]; then
    echo "❌ Archivo no encontrado: $AUDIO_FILE"
    exit 1
fi
  1. Extraer metadatos usando ffprobe o utilidades de archivo:
# Obtener tamaño del archivo
FILE_SIZE=$(du -h "$AUDIO_FILE" | cut -f1)

# Obtener duración y formato usando ffprobe
DURATION=$(ffprobe -v error -show_entries format=duration \
    -of default=noprint_wrappers=1:nokey=1 "$AUDIO_FILE" 2>/dev/null)
FORMAT=$(ffprobe -v error -select_streams a:0 -show_entries \
    stream=codec_name -of default=noprint_wrappers=1:nokey=1 "$AUDIO_FILE" 2>/dev/null)

# Convertir duración a HH:MM:SS
DURATION_HMS=$(date -u -r "$DURATION" +%H:%M:%S 2>/dev/null || echo "Desconocido")
  1. Verificar tamaño del archivo (advertir si es grande para APIs en la nube):
SIZE_MB=$(du -m "$AUDIO_FILE" | cut -f1)
if [[ $SIZE_MB -gt 25 ]]; then
    echo "⚠️  Archivo grande ($FILE_SIZE) - el procesamiento puede tomar varios minutos"
fi
  1. Validar formato (soportados: MP3, WAV, M4A, OGG, FLAC, WEBM):
EXTENSION="${AUDIO_FILE##*.}"
SUPPORTED_FORMATS=("mp3" "wav" "m4a" "ogg" "flac" "webm" "mp4")

if [[ ! " ${SUPPORTED_FORMATS[@]} " =~ " ${EXTENSION,,} " ]]; then
    echo "⚠️  Formato no soportado: $EXTENSION"
    if command -v ffmpeg &>/dev/null; then
        echo "🔄 Convirtiendo a WAV..."
        ffmpeg -i "$AUDIO_FILE" -ar 16000 "${AUDIO_FILE%.*}.wav" -y
        AUDIO_FILE="${AUDIO_FILE%.*}.wav"
    else
        echo "❌ Instala ffmpeg para convertir formatos: brew install ffmpeg"
        exit 1
    fi
fi

Paso 3: Generar Salida Markdown

Objetivo: Crear Markdown estructurado con metadatos, transcripción, actas de reunión y resumen.

Plantilla de Salida:

# Informe de Transcripción de Audio

## 📊 Metadatos

| Campo | Valor |
|-------|-------|
| **Nombre de Archivo** | {filename} |
| **Tamaño de Archivo** | {file_size} |
| **Duración** | {duration_hms} |
| **Idioma** | {language} ({language_code}) |
| **Fecha de Procesamiento** | {process_date} |
| **Hablantes Identificados** | {num_speakers} |
| **Motor de Transcripción** | {engine} (modelo: {model}) |


## 📋 Acta de Reunión

### Participantes
- {speaker_1}
- {speaker_2}
- ...

### Temas Discutidos
1. **{topic_1}** ({timestamp})
   - {key_point_1}
   - {key_point_2}

2. **{topic_2}** ({timestamp})
   - {key_point_1}

### Decisiones Tomadas
- ✅ {decision_1}
- ✅ {decision_2}

### Elementos de Acción
- [ ] **{action_1}** - Asignado a: {speaker} - Fecha de vencimiento: {date_if_mentioned}
- [ ] **{action_2}** - Asignado a: {speaker}


*Generado por habilidad audio-transcriber v1.0.0*  
*Motor de transcripción: {engine} | Tiempo de procesamiento: {elapsed_time}s*

Implementación:

Usar Python o bash con modelo de IA (Claude/GPT) para resumir inteligentemente:

def generate_meeting_minutes(segments):
    """Extraer temas, decisiones, elementos de acción de la transcripción."""
    
    # Agrupar segmentos por tema (agrupación simple por marcas de tiempo)
    topics = cluster_by_topic(segments)
    
    # Identificar elementos de acción (palabras clave: "debería", "va a", "necesita", "acción")
    action_items = extract_action_items(segments)
    
    # Identificar decisiones (palabras clave: "decidió", "acordó", "aprobó")
    decisions = extract_decisions(segments)
    
    return {
        "topics": topics,
        "decisions": decisions,
        "action_items": action_items
    }

def generate_summary(segments, max_paragraphs=5):
    """Crear resumen ejecutivo usando IA (Claude/GPT vía API o modelo local)."""
    
    full_text = " ".join([s["text"] for s in segments])
    
    # Usar enfoque Cadena de Densidad (de marcos prompt-engineer)
    summary_prompt = f"""
    Resume la siguiente transcripción en {max_paragraphs} párrafos concisos.
    Enfócate en temas clave, decisiones y elementos de acción.
    
    Transcripción:
    {full_text}
    """
    
    # Llamar al modelo de IA (placeholder - el usuario puede integrar la API de Claude o usar un modelo local)
    summary = call_ai_model(summary_prompt)
    
    return summary

Nomenclatura de archivos de salida:

# v1.1.0: Usar marca de tiempo para evitar sobrescritura
TIMESTAMP=$(date +%Y%m%d-%H%M%S)
TRANSCRIPT_FILE="transcript-${TIMESTAMP}.md"
ATA_FILE="ata-${TIMESTAMP}.md"

echo "$TRANSCRIPT_CONTENT" > "$TRANSCRIPT_FILE"
echo "✅ Transcript guardado: $TRANSCRIPT_FILE"

if [[ -n "$ATA_CONTENT" ]]; then
    echo "$ATA_CONTENT" > "$ATA_FILE"
    echo "✅ Ata guardada: $ATA_FILE"
fi

ESCENARIO A: El Usuario Proporcionó un Prompt Personalizado

Flujo de Trabajo:

  1. Mostrar el prompt del usuario:

    📝 Prompt proporcionado por el usuario:
    ┌──────────────────────────────────┐
    │ [Vista previa del prompt del usuario]          │
    └──────────────────────────────────┘
    
  2. Mejorar automáticamente con prompt-engineer (si está disponible):

    🔧 Mejorando prompt con prompt-engineer...
    [Invoca: gh copilot -p "mejora este prompt: {user_prompt}"]
    
  3. Mostrar ambas versiones:

    ✨ Versión mejorada:
    ┌──────────────────────────────────┐
    │ Rol: Eres un documentador...  │
    │ Instrucciones: Transforma...      │
    │ Pasos: 1) ... 2) ...             │
    │ Objetivo Final: ...                    │
    └──────────────────────────────────┘
    
    📝 Versión original:
    ┌──────────────────────────────────┐
    │ [Prompt original del usuario]         │
    └──────────────────────────────────┘
    
  4. Preguntar cuál usar:

    💡 ¿Usar versión mejorada? [s/n] (default: s):
    
  5. Procesar con el prompt seleccionado:

    • Si "s": usar la versión mejorada
    • Si "n": usar la original

Procesamiento con LLM (Ambos Escenarios)

Una vez finalizado el prompt:

from rich.progress import Progress, SpinnerColumn, TextColumn

def process_with_llm(transcript, prompt, cli_tool='claude'):
    full_prompt = f"{prompt}\n\n---\n\nTranscripción:\n\n{transcript}"
    
    with Progress(
        SpinnerColumn(),
        TextColumn("[progress.description]{task.description}"),
        transient=True
    ) as progress:
        progress.add_task(
            description=f"🤖 Procesando con {cli_tool}...",
            total=None
        )
        
        if cli_tool == 'claude':
            result = subprocess.run(
                ['claude', '-'],
                input=full_prompt,
                capture_output=True,
                text=True,
                timeout=300  # 5 minutos
            )
        elif cli_tool == 'gh-copilot':
            result = subprocess.run(
                ['gh', 'copilot', 'suggest', '-t', 'shell', full_prompt],
                capture_output=True,
                text=True,
                timeout=300
            )
    
    if result.returncode == 0:
        return result.stdout.strip()
    else:
        return None

Salida de progreso:

🤖 Procesando con claude... ⠋
[Después de completar:]
✅ Acta generada exitosamente!

Salida Final

Éxito (ambos archivos):

💾 Guardando archivos...

✅ Archivos creados:
  - transcript-20260203-023045.md  (transcript puro)
  - ata-20260203-023045.md         (procesado con LLM)

🧹 Archivos temporales eliminados: metadata.json, transcription.json

✅ ¡Completado! Tiempo total: 3m 45s

Solo transcript (usuario rechazó LLM):

💾 Guardando archivos...

✅ Archivo creado:
  - transcript-20260203-023045.md

ℹ️  Acta no generada (procesamiento LLM rechazado por el usuario)

🧹 Archivos temporales eliminados: metadata.json, transcription.json

✅ ¡Completado!

Paso 5: Mostrar Resumen de Resultados

Objetivo: Mostrar el estado de finalización y los siguientes pasos.

Salida:

echo ""
echo "✅ ¡Transcripción Completada!"
echo ""
echo "📊 Resultados:"
echo "  Archivo: $OUTPUT_FILE"
echo "  Idioma: $LANGUAGE"
echo "  Duración: $DURATION_HMS"
echo "  Hablantes: $NUM_SPEAKERS"
echo "  Palabras: $WORD_COUNT"
echo "  Tiempo de procesamiento: ${ELAPSED_TIME}s"
echo ""
echo "📝 Generado:"
echo "  - $OUTPUT_FILE (Informe Markdown)"
[si formatos alternativos:]
echo "  - ${OUTPUT_FILE%.*}.srt (Subtítulos)"
echo "  - ${OUTPUT_FILE%.*}.json (Datos estructurados)"
echo ""
echo "🎯 Próximos pasos:"
echo "  1. Revisar actas de reunión y elementos de acción"
echo "  2. Compartir informe con los participantes"
echo "  3. Hacer seguimiento de los elementos de acción hasta su finalización"

Ejemplos de Uso

Ejemplo 1: Transcripción Básica

Entrada del Usuario:

copilot> transcribe audio a markdown: meeting-2026-02-02.mp3

Salida de la Habilidad:

✅ Faster-Whisper detectado (optimizado)
✅ ffmpeg disponible (conversión de formato habilitada)

📂 Archivo: meeting-2026-02-02.mp3
📊 Tamaño: 12.3 MB
⏱️  Duración: 00:45:32

🎙️  Procesando...
[████████████████████] 100%

✅ Idioma detectado: Portugués (pt-BR)
👥 Hablantes identificados: 4
📝 Generando salida Markdown...

✅ ¡Transcripción Completada!

📊 Resultados:
  Archivo: meeting-2026-02-02.md
  Idioma: pt-BR
  Duración: 00:45:32
  Hablantes: 4
  Palabras: 6,842
  Tiempo de procesamiento: 127s

📝 Generado:
  - meeting-2026-02-02.md (Informe Markdown)

🎯 Próximos pasos:
  1. Revisar actas de reunión y elementos de acción
  2. Compartir informe con los participantes
  3. Hacer seguimiento de los elementos de acción hasta su finalización

Ejemplo 3: Procesamiento por Lotes

Entrada del Usuario:

copilot> transcribe estos audios: recordings/*.mp3

Salida de la Habilidad:

📦 Modo lote: 5 archivos encontrados
  1. team-standup.mp3
  2. client-call.mp3
  3. brainstorm-session.mp3
  4. product-demo.mp3
  5. retrospective.mp3

🎙️  Procesando lote...

[1/5] team-standup.mp3 ✅ (2m 34s)
[2/5] client-call.mp3 ✅ (15m 12s)
[3/5] brainstorm-session.mp3 ✅ (8m 47s)
[4/5] product-demo.mp3 ✅ (22m 03s)
[5/5] retrospective.mp3 ✅ (11m 28s)

✅ ¡Lote Completado!
📝 Generados 5 informes Markdown
⏱️  Tiempo total de procesamiento: 6m 15s

Ejemplo 5: Advertencia de Archivo Grande

Entrada del Usuario:

copilot> transcribe audio a markdown: conference-keynote.mp3

Salida de la Habilidad:

✅ Faster-Whisper detectado (optimizado)

📂 Archivo: conference-keynote.mp3
📊 Tamaño: 87.2 MB
⏱️  Duración: 02:15:47
⚠️  Archivo grande (87.2 MB) - el procesamiento puede tomar varios minutos

¿Continuar? [S/n]:

Usuario: S

🎙️  Procesando... (esto puede tomar 10-15 minutos)
[████░░░░░░░░░░░░░░░░] 20% - Tiempo estimado restante: 12m

Ejemplos Adicionales ([truncado para traducción])

Nota: Los ejemplos completos están disponibles en el documento original.

Instalación

# Clonar el repositorio

Dependencias

  • faster-whisper o openai-whisper
  • ffmpeg (opcional, para conversión de formatos)

Licencia

MIT

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ASoudy/AGS

Advanced JavaScript animation library skill for creating complex, high-performance web animations.

ASoudy/AGS

Astropy is the core Python package for astronomy, providing essential functionality for astronomical research and data analysis.

ASoudy/AGS

Build content-focused websites with Astro — zero JS by default, islands architecture, multi-framework components, and Markdown/MDX support.

ASoudy/AGS

One sentence - what this skill does and when to invoke it

ASoudy/AGS

Audit and fix animation performance issues including layout thrashing, compositor properties, scroll-linked motion, and blur effects. Use when animations stutter, transitions jank, or reviewing CSS/JS animation performance.

ASoudy/AGS

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

ASoudy/AGS

Pull a YouTube video transcript into a queryable markdown vault with yt-dlp subtitle discovery, VTT cleanup, metadata frontmatter, and capture-seed stubs.

ASoudy/AGS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

ASoudy/AGS

Generates high-converting Next.js/React landing pages with Tailwind CSS. Uses PAS, AIDA, and BAB frameworks for optimized copy/components (Heroes, Features, Pricing). Focuses on Core Web Vitals/SEO.

ASoudy/AGS

AI-powered animation tool for creating motion in logos, UI, icons, and social media assets.

ASoudy/AGS

CRITICAL: Use for Makepad animation system. Triggers on: makepad animation, makepad animator, makepad hover, makepad state, makepad transition, "from: { all: Forward", makepad pressed, makepad 动画, makepad 状态, makepad 过渡, makepad 悬停效果

ASoudy/AGS

Comprehensive patterns for Next.js 14+ App Router architecture, Server Components, and modern full-stack React development.

ASoudy/AGS

Next.js App Router principles. Server Components, data fetching, routing patterns.

ASoudy/AGS

Expert integration of Supabase Auth with Next.js App Router

ASoudy/AGS

React and Next.js 14+ application development with App Router, Server Components, TypeScript, Tailwind CSS, and modern frontend patterns.

ASoudy/AGS

Best practices for Remotion - Video creation in React

ASoudy/AGS

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

ASoudy/AGS

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

ASoudy/AGS

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

ASoudy/AGS

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Skills relacionados