Propósito
Esta skill automatiza a transcrição de áudio para texto com saída Markdown profissional, extraindo metadados técnicos ricos (falantes, timestamps, idioma, tamanho do arquivo, duração) e gerando atas de reunião estruturadas e resumos executivos. Ela usa Faster-Whisper ou Whisper sem configuração alguma, funcionando universalmente em todos os projetos sem caminhos codificados ou chaves de API.
Inspirada por ferramentas como Plaud, esta skill transforma gravações de áudio brutas em documentação acionável, tornando-a ideal para reuniões, entrevistas, palestras e análise de conteúdo.
Quando Usar
Invoque esta skill quando:
- O usuário precisar transcrever arquivos de áudio/vídeo para texto
- O usuário quiser atas de reunião geradas automaticamente a partir de gravações
- O usuário precisar de identificação de falantes (diarização) em conversas
- O usuário precisar de legendas/ocultas (formatos SRT, VTT)
- O usuário quiser resumos executivos de conteúdo de áudio longo
- O usuário fizer variações de "transcreva este áudio", "converta áudio para texto", "gere notas de reunião a partir de gravação"
- O usuário tiver arquivos de áudio em formatos comuns (MP3, WAV, M4A, OGG, FLAC, WEBM)
Fluxo de Trabalho
Passo 0: Descoberta (Detectar Ferramentas de Transcrição Automaticamente)
Objetivo: Identificar mecanismos de transcrição disponíveis sem configuração do usuário.
Ações:
Execute comandos de detecção para encontrar ferramentas instaladas:
# Verificar Faster-Whisper (preferido - 4-5x mais rápido)
if python3 -c "import faster_whisper" 2>/dev/null; then
TRANSCRIBER="faster-whisper"
echo "✅ Faster-Whisper detectado (otimizado)"
# Fallback para Whisper original
elif python3 -c "import whisper" 2>/dev/null; then
TRANSCRIBER="whisper"
echo "✅ OpenAI Whisper detectado"
else
TRANSCRIBER="none"
echo "⚠️ Nenhuma ferramenta de transcrição encontrada"
fi
# Verificar ffmpeg (conversão de formato de áudio)
if command -v ffmpeg &>/dev/null; then
echo "✅ ffmpeg disponível (conversão de formato habilitada)"
else
echo "ℹ️ ffmpeg não encontrado (suporte a formatos limitado)"
fi
Se nenhum transcritor for encontrado:
Ofereça instalação automática usando o script fornecido:
echo "⚠️ Nenhuma ferramenta de transcrição encontrada"
echo ""
echo "🔧 Instalar dependências automaticamente? (Recomendado)"
read -p "Executar script de instalação? [S/n]: " AUTO_INSTALL
if [[ ! "$AUTO_INSTALL" =~ ^[Nn] ]]; then
# Obter diretório da skill (funciona para instalações via repositório e symlink)
SKILL_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
# Executar script de instalação
if [[ -f "$SKILL_DIR/scripts/install-requirements.sh" ]]; then
bash "$SKILL_DIR/scripts/install-requirements.sh"
else
echo "❌ Script de instalação não encontrado"
echo ""
echo "📦 Instalação manual:"
echo " pip install faster-whisper # Recomendado"
echo " pip install openai-whisper # Alternativa"
echo " brew install ffmpeg # Opcional (macOS)"
exit 1
fi
# Verificar se a instalação foi bem-sucedida
if python3 -c "import faster_whisper" 2>/dev/null || python3 -c "import whisper" 2>/dev/null; then
echo "✅ Instalação bem-sucedida! Prosseguindo com a transcrição..."
else
echo "❌ Falha na instalação. Por favor, instale manualmente."
exit 1
fi
else
echo ""
echo "📦 Instalação manual necessária:"
echo ""
echo "Recomendado (mais rápido):"
echo " pip install faster-whisper"
echo ""
echo "Alternativa (original):"
echo " pip install openai-whisper"
echo ""
echo "Opcional (conversão de formato):"
echo " brew install ffmpeg # macOS"
echo " apt install ffmpeg # Linux"
echo ""
exit 1
fi
Isso garante que os usuários possam instalar dependências com uma confirmação, ou optar pela instalação manual, se preferirem.
Se o transcritor for encontrado:
Prossiga para o Passo 0b (Detecção de CLI).
Passo 1: Validar Arquivo de Áudio
Objetivo: Verificar se o arquivo existe, checar o formato e extrair metadados.
Ações:
-
Aceitar caminho do arquivo ou URL do usuário:
- Arquivo local:
reuniao.mp3 - URL:
https://exemplo.com/audio.mp3(baixar para diretório temporário)
- Arquivo local:
-
Verificar se o arquivo existe:
if [[ ! -f "$AUDIO_FILE" ]]; then
echo "❌ Arquivo não encontrado: $AUDIO_FILE"
exit 1
fi
- Extrair metadados usando ffprobe ou utilitários de arquivo:
# Obter tamanho do arquivo
FILE_SIZE=$(du -h "$AUDIO_FILE" | cut -f1)
# Obter duração e formato usando ffprobe
DURATION=$(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 "$AUDIO_FILE" 2>/dev/null)
# Converter duração para HH:MM:SS
DURATION_HMS=$(date -u -r "$DURATION" +%H:%M:%S 2>/dev/null || echo "Desconhecido")
- Verificar tamanho do arquivo (avisar se for grande para APIs em nuvem):
SIZE_MB=$(du -m "$AUDIO_FILE" | cut -f1)
if [[ $SIZE_MB -gt 25 ]]; then
echo "⚠️ Arquivo grande ($FILE_SIZE) - o processamento pode levar vários minutos"
fi
- Validar formato (suportados: MP3, WAV, M4A, OGG, FLAC, WEBM):
EXTENSION="${AUDIO_FILE##*.}"
SUPPORTED_FORMATS=("mp3" "wav" "m4a" "ogg" "flac" "webm" "mp4")
if [[ ! " ${SUPPORTED_FORMATS[@]} " =~ " ${EXTENSION,,} " ]]; then
echo "⚠️ Formato não suportado: $EXTENSION"
if command -v ffmpeg &>/dev/null; then
echo "🔄 Convertendo para WAV..."
ffmpeg -i "$AUDIO_FILE" -ar 16000 "${AUDIO_FILE%.*}.wav" -y
AUDIO_FILE="${AUDIO_FILE%.*}.wav"
else
echo "❌ Instale ffmpeg para converter formatos: brew install ffmpeg"
exit 1
fi
fi
Passo 3: Gerar Saída Markdown
Objetivo: Criar Markdown estruturado com metadados, transcrição, atas de reunião e resumo.
Modelo de Saída:
# Relatório de Transcrição de Áudio
## 📊 Metadados
| Campo | Valor |
|-------|-------|
| **Nome do Arquivo** | {filename} |
| **Tamanho do Arquivo** | {file_size} |
| **Duração** | {duration_hms} |
| **Idioma** | {language} ({language_code}) |
| **Data de Processamento** | {process_date} |
| **Falantes Identificados** | {num_speakers} |
| **Mecanismo de Transcrição** | {engine} (modelo: {model}) |
## 📋 Ata da Reunião
### Participantes
- {speaker_1}
- {speaker_2}
- ...
### Tópicos Discutidos
1. **{topic_1}** ({timestamp})
- {key_point_1}
- {key_point_2}
2. **{topic_2}** ({timestamp})
- {key_point_1}
### Decisões Tomadas
- ✅ {decision_1}
- ✅ {decision_2}
### Itens de Ação
- [ ] **{action_1}** - Atribuído a: {speaker} - Prazo: {date_if_mentioned}
- [ ] **{action_2}** - Atribuído a: {speaker}
*Gerado pela skill audio-transcriber v1.0.0*
*Mecanismo de transcrição: {engine} | Tempo de processamento: {elapsed_time}s*
Implementação:
Use Python ou bash com modelo de IA (Claude/GPT) para sumarização inteligente:
def generate_meeting_minutes(segments):
"""Extrair tópicos, decisões, itens de ação da transcrição."""
# Agrupar segmentos por tópico (agrupamento simples por timestamps)
topics = cluster_by_topic(segments)
# Identificar itens de ação (palavras-chave: "deveria", "vai", "precisa", "ação")
action_items = extract_action_items(segments)
# Identificar decisões (palavras-chave: "decidido", "concordado", "aprovado")
decisions = extract_decisions(segments)
return {
"topics": topics,
"decisions": decisions,
"action_items": action_items
}
def generate_summary(segments, max_paragraphs=5):
"""Criar resumo executivo usando IA (Claude/GPT via API ou modelo local)."""
full_text = " ".join([s["text"] for s in segments])
# Usar abordagem Chain of Density (de frameworks prompt-engineer)
summary_prompt = f"""
Resuma a transcrição a seguir em {max_paragraphs} parágrafos concisos.
Foco em tópicos principais, decisões e itens de ação.
Transcrição:
{full_text}
"""
# Chamar modelo de IA (placeholder - o usuário pode integrar a API Claude ou usar modelo local)
summary = call_ai_model(summary_prompt)
return summary
Nomeação do arquivo de saída:
# v1.1.0: Use timestamp para evitar sobrescrever
TIMESTAMP=$(date +%Y%m%d-%H%M%S)
TRANSCRIPT_FILE="transcript-${TIMESTAMP}.md"
ATA_FILE="ata-${TIMESTAMP}.md"
echo "$TRANSCRIPT_CONTENT" > "$TRANSCRIPT_FILE"
echo "✅ Transcript salvo: $TRANSCRIPT_FILE"
if [[ -n "$ATA_CONTENT" ]]; then
echo "$ATA_CONTENT" > "$ATA_FILE"
echo "✅ Ata salva: $ATA_FILE"
fi
CENÁRIO A: Usuário Forneceu Prompt Personalizado
Fluxo de Trabalho:
-
Exibir prompt do usuário:
📝 Prompt fornecido pelo usuário: ┌──────────────────────────────────┐ │ [Visualização do prompt do usuário] │ └──────────────────────────────────┘ -
Melhorar automaticamente com prompt-engineer (se disponível):
🔧 Melhorando prompt com prompt-engineer... [Invoca: gh copilot -p "melhore este prompt: {user_prompt}"] -
Mostrar ambas as versões:
✨ Versão melhorada: ┌──────────────────────────────────┐ │ Role: Você é um documentador... │ │ Instructions: Transforme... │ │ Steps: 1) ... 2) ... │ │ End Goal: ... │ └──────────────────────────────────┘ 📝 Versão original: ┌──────────────────────────────────┐ │ [Prompt original do usuário] │ └──────────────────────────────────┘ -
Perguntar qual usar:
💡 Usar versão melhorada? [s/n] (padrão: s): -
Processar com o prompt selecionado:
- Se "s": usar melhorado
- Se "n": usar original
Processamento LLM (Ambos Cenários)
Uma vez que o prompt é finalizado:
from rich.progress import Progress, SpinnerColumn, TextColumn
def process_with_llm(transcript, prompt, cli_tool='claude'):
full_prompt = f"{prompt}\n\n---\n\nTranscrição:\n\n{transcript}"
with Progress(
SpinnerColumn(),
TextColumn("[progress.description]{task.description}"),
transient=True
) as progress:
progress.add_task(
description=f"🤖 Processando com {cli_tool}...",
total=None
)
if cli_tool == 'claude':
result = subprocess.run(
['claude', '-'],
input=full_prompt,
capture_output=True,
text=True,
timeout=300 # 5 minutos
)
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
Saída de progresso:
🤖 Processando com claude... ⠋
[Após a conclusão:]
✅ Ata gerada com sucesso!
Saída Final
Sucesso (ambos os arquivos):
💾 Salvando arquivos...
✅ Arquivos criados:
- transcript-20260203-023045.md (transcrição pura)
- ata-20260203-023045.md (processado com LLM)
🧹 Removidos arquivos temporários: metadata.json, transcription.json
✅ Concluído! Tempo total: 3m 45s
Apenas transcrição (usuário recusou LLM):
💾 Salvando arquivos...
✅ Arquivo criado:
- transcript-20260203-023045.md
ℹ️ Ata não gerada (processamento LLM recusado pelo usuário)
🧹 Removidos arquivos temporários: metadata.json, transcription.json
✅ Concluído!
Passo 5: Exibir Resumo dos Resultados
Objetivo: Mostrar status de conclusão e próximos passos.
Saída:
echo ""
echo "✅ Transcrição Concluída!"
echo ""
echo "📊 Resultados:"
echo " Arquivo: $OUTPUT_FILE"
echo " Idioma: $LANGUAGE"
echo " Duração: $DURATION_HMS"
echo " Falantes: $NUM_SPEAKERS"
echo " Palavras: $WORD_COUNT"
echo " Tempo de processamento: ${ELAPSED_TIME}s"
echo ""
echo "📝 Gerado:"
echo " - $OUTPUT_FILE (relatório Markdown)"
[if alternative formats:]
echo " - ${OUTPUT_FILE%.*}.srt (Legendas)"
echo " - ${OUTPUT_FILE%.*}.json (Dados estruturados)"
echo ""
echo "🎯 Próximos passos:"
echo " 1. Revisar atas de reunião e itens de ação"
echo " 2. Compartilhar relatório com participantes"
echo " 3. Acompanhar itens de ação até a conclusão"
Exemplo de Uso
Exemplo 1: Transcrição Básica
Entrada do Usuário:
copilot> transcreva áudio para markdown: reuniao-2026-02-02.mp3
Saída da Skill:
✅ Faster-Whisper detectado (otimizado)
✅ ffmpeg disponível (conversão de formato habilitada)
📂 Arquivo: reuniao-2026-02-02.mp3
📊 Tamanho: 12.3 MB
⏱️ Duração: 00:45:32
🎙️ Processando...
[████████████████████] 100%
✅ Idioma detectado: Português (pt-BR)
👥 Falantes identificados: 4
📝 Gerando saída Markdown...
✅ Transcrição Concluída!
📊 Resultados:
Arquivo: reuniao-2026-02-02.md
Idioma: pt-BR
Duração: 00:45:32
Falantes: 4
Palavras: 6.842
Tempo de processamento: 127s
📝 Gerado:
- reuniao-2026-02-02.md (relatório Markdown)
🎯 Próximos passos:
1. Revisar atas de reunião e itens de ação
2. Compartilhar relatório com participantes
3. Acompanhar itens de ação até a conclusão
Exemplo 3: Processamento em Lote
Entrada do Usuário:
copilot> transcreva estes áudios: recordings/*.mp3
Saída da Skill:
📦 Modo lote: 5 arquivos encontrados
1. team-standup.mp3
2. client-call.mp3
3. brainstorm-session.mp3
4. product-demo.mp3
5. retrospective.mp3
🎙️ Processando lote...
[1/5] team-standup.mp3 ✅ (2m 34s)
[2/5] client-call.mp3 ✅ (15m 12s)
[3/5] brainstorm-session.mp3 ✅ (8m 47s)
[4/5] product-demo.mp3 ✅ (22m 03s)
[5/5] retrospective.mp3 ✅ (11m 28s)
✅ Lote Concluído!
📝 Gerados 5 relatórios Markdown
⏱️ Tempo total de processamento: 6m 15s
Exemplo 5: Aviso de Arquivo Grande
Entrada do Usuário:
copilot> transcreva áudio para markdown: conference-keynote.mp3
Saída da Skill:
✅ Faster-Whisper detectado (otimizado)
📂 Arquivo: conference-keynote.mp3
📊 Tamanho: 87.2 MB
⏱️ Duração: 02:15:47
⚠️ Arquivo grande (87.2 MB) - o processamento pode levar vários minutos
Continuar? [S/n]:
Usuário: S
🎙️ Processando... (isso pode levar 10-15 minutos)
[████░░░░░░░░░░░░░░░░] 20% - Tempo estimado restante: 12m
...
[truncado para tradução]