O que podcast-transcriber faz?
Converta áudios do Bilibili / YouTube / Xiaoyuzhou / links diretos em transcrições Markdown com diarização de falantes. Skill para Claude Code — ASR Volcengine BigModel + fallback Groq Whisper.
Descrição
Esta skill permite transformar arquivos de áudio de diversas fontes (Bilibili, YouTube, Xiaoyuzhou ou links diretos) em transcrições completas no formato Markdown, com identificação automática de cada falante. É especialmente útil para podcasts, entrevistas, vídeos de palestras ou qualquer outro conteúdo em áudio onde seja necessário obter uma transcrição precisa e organizada.
Como funciona
- Forneça o URL ou caminho do áudio (Bilibili, YouTube, Xiaoyuzhou ou link direto).
- A skill baixa e processa o áudio.
- Utiliza o motor ASR da Volcengine BigModel como primeira opção para reconhecimento de fala e diarização.
- Caso haja falha, automaticamente recorre ao modelo Whisper da Groq.
- Gera um arquivo Markdown com timestamps e separação de falantes.
Pré-requisitos
- Conta e credenciais para o serviço Volcengine BigModel (ASR).
- (Opcional) Chave de API para Groq Whisper, se desejar usar o fallback.
- Claude Code configurado e com acesso à internet.
Uso
Exemplo de comando (via Claude Code):
# Transcrever um episódio do YouTube
claude use DoTheWorkNow/podcast-transcriber --input "https://youtube.com/watch?v=example"
# Usar um link direto para um arquivo de áudio
claude use DoTheWorkNow/podcast-transcriber --input "https://exemplo.com/audio.mp3"
Resultado
O resultado é um arquivo .md com transcrição completa, seguindo o formato:
# Transcrição - Nome do Episódio
**[00:00:05] - Falante A:** Bem-vindos ao podcast!
**[00:00:10] - Falante B:** Obrigado por nos receber.
**[00:00:15] - Falante A:** Hoje vamos falar sobre...
Variáveis de ambiente
| Variável | Descrição | Obrigatória |
|---|---|---|
VOLC_ACCESS_KEY | Chave de acesso para Volcengine | Sim |
VOLC_SECRET_KEY | Chave secreta para Volcengine | Sim |
GROQ_API_KEY | Chave de API para Groq Whisper (fallback) | Não |
Licença
MIT