Communitygithub.com

ASoudy/AGS

音声録音をインテリジェントな要約を用いてプロフェッショナルなMarkdownドキュメントに変換するスキル。LLM統合により、会議議事録やエグゼクティブサマリーを自動生成します。

AGS とは?

このスキルは、音声または動画ファイルからテキストへの文字起こしを自動化し、話者識別、タイムスタンプ、言語、ファイルサイズ、再生時間などのリッチなメタデータを抽出して、構造化された会議議事録とエグゼクティブサマリーを生成します。Faster-WhisperまたはOpenAI Whisperをバックエンドとして使用し、設定不要で動作するため、プロジェクトごとにパスやAPIキーを指定する必要はありません。Claude Code(Copilot)やコマンドラインインターフェースと連携し、`transcribe audio to markdown` のような自然言語の指示を受け付けて、自動的に必要なツールの検出、ファイル形式の検証、文字起こしの実行、そしてMarkdown形式での出力を行います。Plaudのような外部ツールに触発されたこのスキルは、会議、インタビュー、講義、コンテンツ分析などのユースケースに最適で、特にソフトウェアエンジニアや開発者が技術的な議論の記録を生成するのに役立ちます。

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

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

目的

このスキルは、音声からテキストへの文字起こしを自動化し、プロフェッショナルなMarkdown出力を生成します。話者、タイムスタンプ、言語、ファイルサイズ、再生時間などのリッチな技術メタデータを抽出し、構造化された会議議事録とエグゼクティブサマリーを作成します。Faster-WhisperまたはWhisperを設定不要で使用し、ハードコードされたパスやAPIキーを必要とせず、プロジェクト全体で汎用的に動作します。

Plaudのようなツールに触発されたこのスキルは、生の音声録音を実用的なドキュメントに変換するため、会議、インタビュー、講義、コンテンツ分析に最適です。

使用するタイミング

以下の場合にこのスキルを呼び出してください:

  • ユーザーが音声/動画ファイルの文字起こしを必要としている場合
  • 録音から自動的に会議議事録を生成したい場合
  • 会話内の話者識別(ダイアライゼーション)が必要な場合
  • 字幕/キャプション(SRT、VTT形式)が必要な場合
  • 長い音声コンテンツのエグゼクティブサマリーが必要な場合
  • 「この音声を文字起こしして」「音声をテキストに変換して」「録音からミーティングノートを生成して」といったバリエーションのリクエストがあった場合
  • ユーザーが一般的な形式(MP3、WAV、M4A、OGG、FLAC、WEBM)の音声ファイルを持っている場合

ワークフロー

ステップ 0: 検出(文字起こしツールの自動検出)

目的: ユーザーの設定なしで、利用可能な文字起こしエンジンを特定します。

アクション:

検出コマンドを実行して、インストール済みのツールを確認します:

# Faster-Whisperをチェック(推奨 - 4〜5倍高速)
if python3 -c "import faster_whisper" 2>/dev/null; then
    TRANSCRIBER="faster-whisper"
    echo "✅ Faster-Whisper を検出しました(最適化版)"
# フォールバック:元のWhisper
elif python3 -c "import whisper" 2>/dev/null; then
    TRANSCRIBER="whisper"
    echo "✅ OpenAI Whisper を検出しました"
else
    TRANSCRIBER="none"
    echo "⚠️  文字起こしツールが見つかりません"
fi

# ffmpegをチェック(音声フォーマット変換用)
if command -v ffmpeg &>/dev/null; then
    echo "✅ ffmpeg が利用可能です(フォーマット変換が有効)"
else
    echo "ℹ️  ffmpeg が見つかりません(フォーマットサポートが制限されます)"
fi

文字起こしツールが見つからない場合:

提供されたスクリプトを使用した自動インストールを提案します:

echo "⚠️  文字起こしツールが見つかりません"
echo ""
echo "🔧 依存関係を自動インストールしますか?(推奨)"
read -p "インストールスクリプトを実行しますか? [Y/n]: " AUTO_INSTALL

if [[ ! "$AUTO_INSTALL" =~ ^[Nn] ]]; then
    # スキルディレクトリを取得(リポジトリとシンボリックリンクの両方で動作)
    SKILL_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
    
    # インストールスクリプトを実行
    if [[ -f "$SKILL_DIR/scripts/install-requirements.sh" ]]; then
        bash "$SKILL_DIR/scripts/install-requirements.sh"
    else
        echo "❌ インストールスクリプトが見つかりません"
        echo ""
        echo "📦 手動インストール:"
        echo "  pip install faster-whisper  # 推奨"
        echo "  pip install openai-whisper  # 代替"
        echo "  brew install ffmpeg         # オプション(macOS)"
        exit 1
    fi
    
    # インストール成功を確認
    if python3 -c "import faster_whisper" 2>/dev/null || python3 -c "import whisper" 2>/dev/null; then
        echo "✅ インストール成功!文字起こしを続行します..."
    else
        echo "❌ インストールに失敗しました。手動でインストールしてください。"
        exit 1
    fi
else
    echo ""
    echo "📦 手動インストールが必要です:"
    echo ""
    echo "推奨(最速):"
    echo "  pip install faster-whisper"
    echo ""
    echo "代替(オリジナル):"
    echo "  pip install openai-whisper"
    echo ""
    echo "オプション(フォーマット変換):"
    echo "  brew install ffmpeg  # macOS"
    echo "  apt install ffmpeg   # Linux"
    echo ""
    exit 1
fi

これにより、ユーザーは確認1つで依存関係をインストールするか、好みに応じて手動インストールを選択できます。

文字起こしツールが見つかった場合:

ステップ0b(CLI検出)に進みます。

ステップ 1: 音声ファイルの検証

目的: ファイルが存在することを確認し、フォーマットをチェックし、メタデータを抽出します。

アクション:

  1. ユーザーからファイルパスまたはURLを受け付けます:

    • ローカルファイル: meeting.mp3
    • URL: https://example.com/audio.mp3(一時ディレクトリにダウンロード)
  2. ファイルの存在を確認:

if [[ ! -f "$AUDIO_FILE" ]]; then
    echo "❌ ファイルが見つかりません: $AUDIO_FILE"
    exit 1
fi
  1. ffprobeまたはファイルユーティリティを使用してメタデータを抽出:
# ファイルサイズを取得
FILE_SIZE=$(du -h "$AUDIO_FILE" | cut -f1)

# ffprobeで再生時間とフォーマットを取得
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)

# 再生時間をHH:MM:SSに変換
DURATION_HMS=$(date -u -r "$DURATION" +%H:%M:%S 2>/dev/null || echo "不明")
  1. ファイルサイズをチェック(クラウドAPIには大きすぎる場合に警告):
SIZE_MB=$(du -m "$AUDIO_FILE" | cut -f1)
if [[ $SIZE_MB -gt 25 ]]; then
    echo "⚠️  大きなファイルです($FILE_SIZE)- 処理に数分かかる場合があります"
fi
  1. フォーマットを検証(サポート: MP3、WAV、M4A、OGG、FLAC、WEBM):
EXTENSION="${AUDIO_FILE##*.}"
SUPPORTED_FORMATS=("mp3" "wav" "m4a" "ogg" "flac" "webm" "mp4")

if [[ ! " ${SUPPORTED_FORMATS[@]} " =~ " ${EXTENSION,,} " ]]; then
    echo "⚠️  サポートされていないフォーマットです: $EXTENSION"
    if command -v ffmpeg &>/dev/null; then
        echo "🔄 WAVに変換中..."
        ffmpeg -i "$AUDIO_FILE" -ar 16000 "${AUDIO_FILE%.*}.wav" -y
        AUDIO_FILE="${AUDIO_FILE%.*}.wav"
    else
        echo "❌ フォーマット変換にはffmpegをインストールしてください: brew install ffmpeg"
        exit 1
    fi
fi

ステップ 3: Markdown出力の生成

目的: メタデータ、文字起こし、議事録、要約を含む構造化されたMarkdownを作成します。

出力テンプレート:

# 音声文字起こしレポート

## 📊 メタデータ

| フィールド | 値 |
|-------|-------|
| **ファイル名** | {filename} |
| **ファイルサイズ** | {file_size} |
| **再生時間** | {duration_hms} |
| **言語** | {language} ({language_code}) |
| **処理日** | {process_date} |
| **識別された話者数** | {num_speakers} |
| **文字起こしエンジン** | {engine} (モデル: {model}) |


## 📋 会議議事録

### 参加者
- {speaker_1}
- {speaker_2}
- ...

### 議論されたトピック
1. **{topic_1}** ({timestamp})
   - {key_point_1}
   - {key_point_2}

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

### 決定事項
- ✅ {decision_1}
- ✅ {decision_2}

### アクションアイテム
- [ ] **{action_1}** - 担当: {speaker} - 期限: {date_if_mentioned}
- [ ] **{action_2}** - 担当: {speaker}


*音声文字起こしスキル v1.0.0 により生成*  
*文字起こしエンジン: {engine} | 処理時間: {elapsed_time}秒*

実装:

インテリジェントな要約のためにAIモデル(Claude/GPT)とともにPythonまたはbashを使用します:

def generate_meeting_minutes(segments):
    """文字起こしからトピック、決定事項、アクションアイテムを抽出。"""
    
    # セグメントをトピックごとにグループ化(タイムスタンプによる単純なクラスタリング)
    topics = cluster_by_topic(segments)
    
    # アクションアイテムを特定(キーワード: "すべき", "する予定", "する必要がある", "アクション")
    action_items = extract_action_items(segments)
    
    # 決定事項を特定(キーワード: "決定", "合意", "承認")
    decisions = extract_decisions(segments)
    
    return {
        "topics": topics,
        "decisions": decisions,
        "action_items": action_items
    }

def generate_summary(segments, max_paragraphs=5):
    """AIを使用してエグゼクティブサマリーを作成(API経由のClaude/GPT、またはローカルモデル)。"""
    
    full_text = " ".join([s["text"] for s in segments])
    
    # Chain of Densityアプローチを使用(プロンプトエンジニアリングフレームワークより)
    summary_prompt = f"""
    以下の文字起こしを{max_paragraphs}段落の簡潔な段落に要約してください。
    主要なトピック、決定事項、アクションアイテムに焦点を当ててください。
    
    文字起こし:
    {full_text}
    """
    
    # AIモデルを呼び出し(プレースホルダー - ユーザーはClaude APIを統合するか、ローカルモデルを使用できます)
    summary = call_ai_model(summary_prompt)
    
    return summary

出力ファイルの命名:

# v1.1.0: 上書きを防ぐためにタイムスタンプを使用
TIMESTAMP=$(date +%Y%m%d-%H%M%S)
TRANSCRIPT_FILE="transcript-${TIMESTAMP}.md"
ATA_FILE="ata-${TIMESTAMP}.md"

echo "$TRANSCRIPT_CONTENT" > "$TRANSCRIPT_FILE"
echo "✅ 文字起こしを保存しました: $TRANSCRIPT_FILE"

if [[ -n "$ATA_CONTENT" ]]; then
    echo "$ATA_CONTENT" > "$ATA_FILE"
    echo "✅ 議事録を保存しました: $ATA_FILE"
fi

シナリオA: ユーザーがカスタムプロンプトを提供した場合

ワークフロー:

  1. **ユーザーのプロンプトを表示: **

    📝 ユーザーから提供されたプロンプト:
    ┌──────────────────────────────────┐
    │ [ユーザーのプロンプトプレビュー]          │
    └──────────────────────────────────┘
    
  2. prompt-engineerで自動的に改善(利用可能な場合):

    🔧 prompt-engineerでプロンプトを改善中...
    [呼び出し: gh copilot -p "このプロンプトを改善してください: {user_prompt}"]
    
  3. **両方のバージョンを表示: **

    ✨ 改善されたバージョン:
    ┌──────────────────────────────────┐
    │ 役割: あなたはドキュメント作成者です...  │
    │ 指示: 変換してください...      │
    │ 手順: 1) ... 2) ...             │
    │ 最終目標: ...                    │
    └──────────────────────────────────┘
    
    📝 元のバージョン:
    ┌──────────────────────────────────┐
    │ [ユーザーの元のプロンプト]         │
    └──────────────────────────────────┘
    
  4. どれを使用するか尋ねる:

    💡 改善されたバージョンを使用しますか? [s/n] (デフォルト: s):
    
  5. **選択されたプロンプトで処理: **

    • "s"の場合: 改善版を使用
    • "n"の場合: 元のバージョンを使用

LLM処理(両方のシナリオ)

プロンプトが確定したら:

from rich.progress import Progress, SpinnerColumn, TextColumn

def process_with_llm(transcript, prompt, cli_tool='claude'):
    full_prompt = f"{prompt}\n\n---\n\n文字起こし:\n\n{transcript}"
    
    with Progress(
        SpinnerColumn(),
        TextColumn("[progress.description]{task.description}"),
        transient=True
    ) as progress:
        progress.add_task(
            description=f"🤖 {cli_tool}で処理中...",
            total=None
        )
        
        if cli_tool == 'claude':
            result = subprocess.run(
                ['claude', '-'],
                input=full_prompt,
                capture_output=True,
                text=True,
                timeout=300  # 5分
            )
        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

進捗出力:

🤖 claudeで処理中... ⠋
[完了後:]
✅ 議事録が正常に生成されました!

最終出力

成功(両方のファイル):

💾 ファイルを保存中...

✅ 作成されたファイル:
  - transcript-20260203-023045.md  (生の文字起こし)
  - ata-20260203-023045.md         (LLMで処理)

🧹 一時ファイルを削除しました: metadata.json, transcription.json

✅ 完了! 合計時間: 3分45秒

文字起こしのみ(ユーザーがLLMを拒否した場合):

💾 ファイルを保存中...

✅ 作成されたファイル:
  - transcript-20260203-023045.md

ℹ️  議事録は生成されませんでした(LLM処理がユーザーによって拒否されました)

🧹 一時ファイルを削除しました: metadata.json, transcription.json

✅ 完了!

ステップ 5: 結果サマリーの表示

目的: 完了ステータスと次のステップを表示します。

出力:

echo ""
echo "✅ 文字起こし完了!"
echo ""
echo "📊 結果:"
echo "  ファイル: $OUTPUT_FILE"
echo "  言語: $LANGUAGE"
echo "  再生時間: $DURATION_HMS"
echo "  話者数: $NUM_SPEAKERS"
echo "  単語数: $WORD_COUNT"
echo "  処理時間: ${ELAPSED_TIME}秒"
echo ""
echo "📝 生成物:"
echo "  - $OUTPUT_FILE (Markdownレポート)"
[代替フォーマットの場合:]
echo "  - ${OUTPUT_FILE%.*}.srt (字幕)"
echo "  - ${OUTPUT_FILE%.*}.json (構造化データ)"
echo ""
echo "🎯 次のステップ:"
echo "  1. 議事録とアクションアイテムを確認する"
echo "  2. レポートを参加者と共有する"
echo "  3. アクションアイテムを完了まで追跡する"

使用例

例1: 基本的な文字起こし

ユーザー入力:

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

スキル出力:

✅ Faster-Whisper を検出しました(最適化版)
✅ ffmpeg が利用可能です(フォーマット変換が有効)

📂 ファイル: meeting-2026-02-02.mp3
📊 サイズ: 12.3 MB
⏱️  再生時間: 00:45:32

🎙️  処理中...
[████████████████████] 100%

✅ 検出された言語: ポルトガル語 (pt-BR)
👥 識別された話者数: 4
📝 Markdown出力を生成中...

✅ 文字起こし完了!

📊 結果:
  ファイル: meeting-2026-02-02.md
  言語: pt-BR
  再生時間: 00:45:32
  話者数: 4
  単語数: 6,842
  処理時間: 127秒

📝 生成物:
  - meeting-2026-02-02.md (Markdownレポート)

🎯 次のステップ:
  1. 議事録とアクションアイテムを確認する
  2. レポートを参加者と共有する
  3. アクションアイテムを完了まで追跡する

例3: バッチ処理

ユーザー入力:

copilot> transcreva estes áudios: recordings/*.mp3

スキル出力:

📦 バッチモード: 5個のファイルが見つかりました
  1. team-standup.mp3
  2. client-call.mp3
  3. brainstorm-session.mp3
  4. product-demo.mp3
  5. retrospective.mp3

🎙️  バッチ処理中...

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

✅ バッチ完了!
📝 5個のMarkdownレポートを生成しました
⏱️  合計処理時間: 6分15秒

例5: 大きなファイルの警告

ユーザー入力:

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

スキル出力:

✅ Faster-Whisper を検出しました(最適化版)

📂 ファイル: conference-keynote.mp3
📊 サイズ: 87.2 MB
⏱️  再生時間: 02:15:47
⚠️  大きなファイルです(87.2 MB)- 処理に数分かかる場合があります

続行しますか? [Y/n]:

ユーザー: Y

🎙️  処理中...(10〜15分かかる場合があります)
[████░░░░░░░░░░░░░░░░] 20% - 推定残り時間: 12分

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.

関連スキル