Communitygithub.com

bvdTranscribe

動画や音声ファイル(mp4, mov, mkv, mp3, wav, m4a など)を Whisper で文字起こし。ローカル実行または Groq の無料 API を利用し、テキスト (.txt)、字幕 (.srt)、タイムスタンプ付きマークダウン (.md) を生成します。

bvdTranscribe とは?

このスキルは、ユーザーが指定した動画や音声ファイルを、OpenAI Whisper を用いてローカルまたは Groq の無料 API 経由で文字起こしし、複数の形式で出力するエージェントスキルです。ユーザーはファイルパスを伝えるだけでよく、初回のみ Python 仮想環境のセットアップが必要ですが、すべて自動で行われます。文字起こしはポルトガル語 (pt) をデフォルトとし、英語 (en) やスペイン語 (es) などにも対応。ローカルモードではプライベートかつ無料ですが処理が遅く、Groq モードでは高速に動作します。10 分以上の長い動画は自動分割され、Groq の無料枠制限に達した場合もスクリプトが待機して再開します。出力は元のファイルと同じフォルダに `_transcricao` サブフォルダを作成し、テキスト (.txt)、字幕 (.srt)、タイムスタンプ付きマークダウン (.md) の 3 ファイルを提供します。エージェントは結果を簡潔に要約し、必要に応じて固有名詞の修正や要点抽出などの後処理を提案します。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ia5go/bvdTranscribe/tree/HEAD

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

bvdTranscribe は何をしますか?

あなたはすべてを自分で実行します。ユーザーは初心者かもしれません。コマンドを実行するように頼んではいけません。ユーザーはファイルを指定する(またはターミナルにドラッグする)だけで、高速モードを希望する場合は Groq のキーを一度貼り付けます。

<skill> = この SKILL.md のあるフォルダ(同じ場所に transcrever.py もあります)。

手順 1. 環境を準備する(初回のみ)

<skill>/.venv がすでに存在する場合はこの手順をスキップします。

  1. Python を見つける: python --version、py --version、python3 --version を試します。どれも動作しない場合(または Microsoft Store が開く場合)は、次のコマンドでインストールします: Windows winget install -e --id Python.Python.3.12 --accept-package-agreements --accept-source-agreements(その後、ターミナルと Claude Code を再起動するよう促す)、Mac brew install python、Linux はパッケージマネージャを使用。
  2. スキル用の隔離環境を作成する: <python> -m venv "<skill>/.venv"。
  3. その環境に依存関係をサイレントインストールする: <venv-python> -m pip install --quiet -r "<skill>/requirements.txt"。
    • <venv-python> は Windows では <skill>/.venv/Scripts/python.exe、Mac/Linux では <skill>/.venv/bin/python です。
    • ffmpeg をインストールする必要はありません。imageio-ffmpeg が同梱されています。

手順 2. モードを選択する(初回のみ)

  • ローカル(デフォルト): 100% コンピュータ上で動作、無料、プライベート、アカウント不要。初回はモデル(約 500 MB)をダウンロードし、クラウドより遅くなります。設定は必要ありません。
  • Groq(オプション、より高速): 環境変数 GROQ_API_KEY がすでに存在する場合、スクリプトは自動的に Groq を使用します。有効にするには、一文で説明します: 「https://console.groq.com で無料アカウントを作成し、API Keys に移動して Create API Key をクリックし、キーをここに貼り付けてください。」 永続的に保存します(Windows: setx GROQ_API_KEY "<キー>"、Mac/Linux: export GROQ_API_KEY="<キー>" を ~/.zshrc または ~/.bashrc に追加)。現在のセッションでは、コマンドの環境変数としてキーを渡します。

ユーザーが何も言わなければローカルを使用します。ユーザーが「ローカル」または「オフライン」を希望した場合は、キーが設定されていても --local を追加します。

手順 3. 文字起こしを実行する

<venv-python> "<skill>/transcrever.py" "<ファイルパス>" pt
  • pt の部分は、動画の言語が異なる場合(en、es など)に置き換えます。
  • ローカルモードのオプション: --modelo=medium(より正確、より遅い)または --modelo=base(より速い、精度は低い)。デフォルトは small です。
  • 長い動画は自動的に 10 分ごとに分割されます。Groq の無料枠制限に達した場合、スクリプトは待機して自動的に続行します。その旨を伝えてください。
  • ファイルが長い場合(ローカルモードで約 10 分以上)はバックグラウンドで実行します。
  • よくあるエラー: パスに誤った引用符がある(引用符を付け直す)、キーが無効(再入力を促すか --local を使用する)、音声のないファイル(その旨を伝える)。

手順 4. 結果を提供する

スクリプトは、動画ファイルと同じ場所に <動画ファイル名>_transcricao フォルダを作成し、次のファイルを生成します:

  • .txt: テキストのみ
  • .srt: 動画編集ソフトや YouTube 用の字幕
  • .md: 各セグメントに [mm:ss] マークが付いたテキスト

最大 5 行で回答します: フォルダの場所、所要時間、使用したモード、および内容の 2〜3 文の要約。その後、1 行で次のオプションを提案します: 固有名詞の修正、主要ポイントの抽出、投稿の字幕化、またはスクリプト化。依頼なしに生成されたファイルを変更しないでください。修正を依頼された場合は、同じ場所に <ファイル名>_revisado.md として保存します。

関連スキル