openclip-transcription

動画や音声ファイルを、話者識別とタイムコード付きでJSON、SRT、VTTに文字起こしします。OpenClipアカウントがあれば無料で使え、サブスクリプションも不要です。

openclip-transcription とは？

これはOpenClipの文字起こしスキルです。動画や音声ファイルをアップロードし、タイムコード付きの文字起こしを生成します。出力形式はJSON（構造化データ、タイミング情報付き）、SRT、VTTの3種類に対応しています。話者識別（ダイアライゼーション）がデフォルトで有効になっており、複数話者の会議やインタビューの文字起こしに最適です。完全無料で、OpenClipアカウントを作成するだけで利用でき、クレジットやサブスクリプションは一切不要です。利用にはレート制限とファイルサイズ制限がありますが、エラーメッセージに解除方法が記載されています。Claude CodeやCursorなどMCPに対応したクライアントから直接呼び出すことができ、非同期処理のためポーリングで結果を取得します。また、有料のクリッピングパイプラインとは別の独立した無料ツールである点に注意が必要です。

対応✓Claude Code~Codex CLI✓Cursor

npx skills add https://github.com/OpenClip-App/agent-skills/tree/main/skills/openclip-transcription

ドキュメント

OpenClip: 文字起こし

transcribe は動画または音声ファイルをタイムコード付きの文字起こしに変換します。無料で使用でき、OpenClipアカウントが必要ですが、サブスクリプションやクレジットは不要です。出力形式: JSON（構造化、タイミング情報付き）、SRT、VTT。

セットアップ（初回のみ）

OpenClip は https://openclip.app/mcp にあるリモート MCP サーバーです。OAuth プロンプトが表示されたら OpenClip アカウントでサインインしてください。コピーする API キーはありません。

Claude Code: claude mcp add --transport http openclip https://openclip.app/mcp を実行し、その後 /mcp で認可します。
Claude Desktop / web: 設定、コネクタ、「カスタムコネクタを追加」でURLを貼り付け、サインインします。
Cursor（.cursor/mcp.json）: { "mcpServers": { "openclip": { "url": "https://openclip.app/mcp" } } }
ヘッダーのみのクライアント: openclip.app/settings/connect で MCP トークンを発行し、Authorization: Bearer <トークン> を付けて https://openclip.app/mcp/key に接続します。

動作確認: get_account を呼び出します。

ワークフロー

アップロード. create_upload(filename, content_type) は id と upload_url を返します。生のバイト列を upload_url に PUT し、その id を video として渡します。 complete_upload を呼び出さないでください。 これを呼ぶと有料のクリッピングパイプラインが開始されます。無料ツールはアップロードされたファイルを直接読み取ります。list_videos に既にある動画も入力として使用できます。
文字起こし. transcribe(video, language?, diarize?) を実行します。
- language - 省略すると自動検出します。言語が既にわかっていて、短いクリップやノイズの多いクリップが誤検出されるのを防ぎたい場合に設定します。
- diarize - デフォルトは true で、誰が話しているかをラベル付けします。単一話者の音声の場合はオフにして出力をクリーンに保ちます。
ポーリング. 戻り値は tool_job のハッシュIDです。5〜10秒ごとに get_tool_job_status(tool_job) をポーリングします。queued / processing は処理中、completed は永続的な CDN outputs URL（各フォーマット: json, srt, vtt）を返し、failed は error を返します。ほとんどのジョブは1〜2分以内に完了します。
出力を読む. プログラムで使用する場合は JSON 出力を取得します（開始・終了時間と話者ラベル付きのセグメント）。ユーザーが字幕ファイルを必要とする場合は、SRT または VTT のURLを渡します。

2つの異なる文字起こしツール

これらを混同しないでください:

transcribe - 無料のツール。アップロードした任意のファイルで動作します。これがこのスキルです。
get_transcript - 既に有料のクリッピングパイプラインを通過した動画の文字起こしを読み取ります。start_ms / end_ms ウィンドウを文レベルまたは単語レベルでサポートします。新規アップロードではなく、既にクリッピング job_id を持っている場合に使用します。

ルール

必ずポーリングしてください。文字起こしは非同期であり、テキストを同期的に返すことはありません。
時間はミリ秒単位です。
出力URLは永続的なCDNリンクであり、署名付きでも期限付きでもありません。
無料利用は1日あたりのレート制限とファイルサイズ上限があります。エラーテキストには制限を解除する方法が記載されています。

プロンプトからアクションへの例

「このインタビューを文字起こして」 - create_upload、PUT バイト列、transcribe(video)、ポーリング、文字起こしを返す。
「この動画用のSRTが必要です」 - 同様に、srt 出力URLを返す。
「この会議の録画で誰が何を言った？」 - transcribe(video, diarize=true)、ポーリング、JSON出力を読んでセグメントを話者ごとにグループ化する。
「このトークから最高の引用を抽出して」 - 文字起こし、ポーリング、JSONを読み、タイムコード付きで引用を選択する。
「オランダ語です。文字起こしして」 - transcribe(video, language="nl")、ポーリング。

openclip-transcription