¿Qué hace audio-transcriber?
Transforma grabaciones de audio en documentación profesional en Markdown con resúmenes inteligentes mediante integración con LLM.
Descripción
Esta habilidad toma un archivo de audio (como una reunión, entrevista o conferencia) y lo convierte en un documento Markdown estructurado. Utiliza un modelo de lenguaje grande (LLM) para generar un resumen coherente y extraer los puntos más importantes, facilitando la revisión y el intercambio de información.
Plataformas Compatibles
- Claude Code
- Código de escritorio (con herramientas de línea de comandos)
- Entornos Python con bibliotecas de transcripción
Requisitos
- Python 3.8 o superior
whisper(OpenAI Whisper) ospeech-recognitionpara la transcripción- Acceso a una API de LLM (por ejemplo, OpenAI, Anthropic)
- FFmpeg instalado para la conversión de formatos de audio
Instalación
pip install openai-whisper speech-recognition ffmpeg-python
Uso
Transcribir un archivo de audio
python transcribe.py archivo_de_audio.mp3
Generar documentación Markdown
python transcribe.py archivo_de_audio.mp3 --output documentacion.md
Parámetros
| Parámetro | Descripción |
|---|---|
archivo_de_audio | Ruta al archivo de audio (WAV, MP3, M4A, etc.) |
--output | Ruta del archivo Markdown de salida (opcional) |
--model | Modelo de Whisper a usar (tiny, base, small, medium, large) |
--llm | Modelo de LLM para resumen (por ejemplo, gpt-4, claude-3) |
--language | Código de idioma del audio (por ejemplo, es, en) |
Ejemplo de Salida
# Transcripción: Reunión de equipo - 2025-03-15
## Resumen Ejecutivo
Se discutieron los hitos del proyecto, el cronograma de la próxima semana y los problemas técnicos pendientes.
## Puntos Clave
- El sprint actual está adelantado.
- Se necesita una revisión de código para el módulo de autenticación.
- La fecha límite para la versión beta es el 30 de marzo.
## Transcripción Completa
[Contenido transcrito línea por línea...]
## Conclusiones y Próximos Pasos
- Programar una reunión de revisión de código para el martes.
- Actualizar el tablero de proyecto.
Notas
- Asegúrate de que FFmpeg esté en tu PATH.
- Los archivos de audio largos pueden tardar varios minutos en procesarse.
- La calidad del resumen depende del modelo LLM utilizado.