bozhouDev/media-to-transcript

media-to-transcript は何をしますか？

Volcengine（火山引擎）録音ファイルASRを使用してメディアを文字起こしするCodexスキル。

概要

このスキルは、Volcengine（火山引擎）が提供する録音ファイルASR（自動音声認識）APIを利用して、メディアファイル（音声・動画）からテキスト文字起こしを生成します。ASRリクエストの送信、結果のポーリング、最終的な文字起こしテキストの取得を処理します。

前提条件

• VolcengineアカウントとASRサービスのアクセス権限
• 以下の環境変数が設定されていること:
  • VOLC_ACCESSKEY
  • VOLC_SECRETKEY
  • VOLC_APPID
  • VOLC_ACCESS_TOKEN

使用方法

1. 文字起こしたいメディアファイル（例: audio.mp3）を準備します。
2. スキルを呼び出してASRタスクを開始します。
3. スキルが自動的に認識結果をポーリングし、完了後に文字起こしテキストを返します。

例

# スキルの呼び出し方法の例（実際のコードはスキルの実装によります）
codex run bozhouDev/media-to-transcript --input audio.mp3

注意事項

• 対応するメディア形式とサイズ制限については、Volcengineの公式ドキュメントを参照してください。
• 認識精度は音声品質や話者のアクセントに依存します。
• APIの利用には料金が発生する場合があります。

関連リソース

• Volcengine ASR ドキュメント
• Volcengine コンソール

ライセンス

このスキルはオープンソースで提供されています。詳細はリポジトリのLICENSEファイルを確認してください。