neurolearn は何をしますか？
8つのバックエンドを切り替えられるユニバーサル音声・動画文字起こしスキル — ローカルWhisper（オフライン）、YouTube字幕、Gemini、Groq、OpenAI、Deepgram、AssemblyAI、カスタムOpenAI互換。Claude Codeスキル、スラッシュコマンド、またはスタンドアロンCLIとして動作します。
機能
- 8つの文字起こしバックエンド: ローカルWhisper（オフライン）、YouTube字幕、Gemini、Groq、OpenAI、Deepgram、AssemblyAI、カスタムOpenAI互換
- 複数の実行モード: Claude Codeスキル、スラッシュコマンド、スタンドアロンCLI
- 柔軟な出力形式: JSON、SRT、TXT（標準出力またはファイル）
- 言語サポート: すべてのバックエンドで言語指定可能（
--language） - プロンプトと温度調整: 一部のバックエンドでカスタムプロンプトと温度設定をサポート
必要条件
- Python 3.10+
- ffmpeg がシステムにインストールされていること（音声抽出に必要）
- 少なくとも1つのバックエンドが設定されていること（APIキーまたはローカルモデル）
インストール
# リポジトリをクローン
cd /path/to/projects # または任意の場所
git clone https://github.com/nekith78/neurolearn.git
cd neurolearn
# 仮想環境を作成して有効化
python3 -m venv .venv
source .venv/bin/activate
# 依存関係をインストール
pip install -r requirements.txt
# (オプション) 開発用依存関係もインストール
pip install -e .
設定
使用するバックエンドに応じて、環境変数でAPIキーを設定してください。
| バックエンド | 環境変数 | 必須 |
|---|---|---|
| Whisper (ローカル) | — | いいえ（デフォルト） |
| YouTube | — | いいえ |
| Gemini | GEMINI_API_KEY | はい |
| Groq | GROQ_API_KEY | はい |
| OpenAI | OPENAI_API_KEY | はい |
| Deepgram | DEEPGRAM_API_KEY | はい |
| AssemblyAI | ASSEMBLYAI_API_KEY | はい |
| カスタムOpenAI互換 | CUSTOM_OPENAI_BASE_URL + CUSTOM_OPENAI_API_KEY | はい |
export OPENAI_API_KEY="sk-..."
export GROQ_API_KEY="gsk_..."
# 必要に応じて他のキーも追加
使用方法
Claude Codeスキル（推奨）
claude
Claude Code内で、トランスクライブしたいメディアファイルをドラッグ＆ドロップするか、ファイルパスを指定します。
> この動画を文字起こしして: /path/to/video.mp4
> この音声を文字起こしして、Geminiを使って: /path/to/audio.mp3
スラッシュコマンド
> /neurolearn /path/to/media.mp4
> /neurolearn --backend groq /path/to/media.mp3 --language ja
スタンドアロンCLI
# デフォルト（Whisper）
python neurolearn.py /path/to/media.mp4
# 特定のバックエンドを指定
python neurolearn.py /path/to/media.mp3 --backend gemini
# 言語を指定
python neurolearn.py /path/to/video.mkv --language de
# 出力をファイルに保存
python neurolearn.py audio.wav --output transcript.txt
# SRT字幕を生成
python neurolearn.py lecture.mp4 --format srt --output subtitles.srt
全バックエンドオプション
python neurolearn.py /path/to/media.mp4 --backend openai --language en --temperature 0.0 --prompt "専門用語: API, SDK, GPT"
python neurolearn.py /path/to/media.mp4 --backend deepgram --language en --model general
python neurolearn.py /path/to/media.mp4 --backend assemblyai --language en --format srt
バックエンド詳細
Whisper（ローカル）
- デフォルト、APIキー不要
- モデルサイズを指定可能（
tiny,base,small,medium,large） - 環境変数
WHISPER_MODEL_SIZEで設定（デフォルト:base）
YouTube字幕
- YouTube動画の自動生成字幕または手動字幕を直接取得
- 動画URLを入力として受け付ける
Gemini
- 環境変数:
GEMINI_API_KEY - モデル指定可能:
--model gemini-1.5-flash,gemini-2.0-flashなど - プロンプトと温度設定をサポート
Groq
- 環境変数:
GROQ_API_KEY - モデル指定可能:
--model whisper-large-v3,distil-whisper-large-v3-en
OpenAI
- 環境変数:
OPENAI_API_KEY - モデル指定可能:
--model whisper-1 - プロンプトと温度設定をサポート
Deepgram
- 環境変数:
DEEPGRAM_API_KEY - モデル指定可能:
--model general,phonecall,meeting - 言語指定をサポート
AssemblyAI
- 環境変数:
ASSEMBLYAI_API_KEY - モデル指定可能:
--model best,nano - SRT形式をサポート
カスタムOpenAI互換
- 環境変数:
CUSTOM_OPENAI_BASE_URL,CUSTOM_OPENAI_API_KEY - カスタムエンドポイントとモデル名を指定可能
ヘルプ
python neurolearn.py --help
ライセンス
MIT