跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
浏览器与自动化

xs-transcriber

音声ファイルをテキストに文字起こしするスキル。mp3/wav/m4a/ogg/flac形式に対応。whisperベースのtranscriber_toolを使用し、tiny/base/small/medium/largeの5つのモデルから精度と速度のバランスを選択可能。長時間音声はバックグラウンド実行に対応。「文字起こしして」「音声をテキストに変換して」で使用。

karaage0703 · 已有 AI 审核记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add karaage0703/ai-assistant-workspace --skill xs-transcriber

技能说明


name: xs-transcriber description: 音声ファイルをテキストに文字起こしするスキル。mp3/wav/m4a/ogg/flac形式に対応。whisperベースのtranscriber_toolを使用し、tiny/base/small/medium/largeの5つのモデルから精度と速度のバランスを選択可能。長時間音声はバックグラウンド実行に対応。「文字起こしして」「音声をテキストに変換して」で使用。

音声文字起こし

音声ファイルをテキストに変換する。

絶対遵守事項

  • 長時間処理(10分以上の音声)はPID・ログ・終了コードを保存し、親process groupから分離して実行

対話フロー

Step 1: ファイル指定

「文字起こしする音声ファイルのパスを指定してください」

対応形式: mp3, wav, m4a, ogg, flac

Step 2: モデル選択

「文字起こしモデルを選択してください」

#モデル速度精度用途
1tiny最高速最低テスト用
2base高速標準推奨
3small中速中精度バランス
4medium低速高精度高品質
5large最低速最高最高品質

Step 3: 実行

出力先は音声ファイルと同じディレクトリに .txt 拡張子で保存。

# 短い音声(10分以下)はフォアグラウンド
uvx transcriber_tool transcribe "[音声ファイルパス]" --model-size [モデル] --output "[出力パス].txt"

# 長い音声(10分以上)はバックグラウンド
# 以下はLinux / WSLの例。macOSではlaunchdなどservice managerを使う
TRANSCRIPTION_STATE_DIR="$(mktemp -d)"
setsid bash -lc '
  state_dir="$1"
  input="$2"
  model="$3"
  output="$4"
  echo $$ > "$state_dir/pid"
  uvx transcriber_tool transcribe "$input" --model-size "$model" --output "$output" > "$state_dir/transcription.log" 2>&1
  rc=$?
  echo "$rc" > "$state_dir/exit"
  exit "$rc"
' bash "$TRANSCRIPTION_STATE_DIR" "[音声ファイルパス]" "[モデル]" "[出力パス].txt" >/dev/null 2>&1 &

sleep 2
ps -o pid,ppid,sid,pgid,stat,etime,cmd -p "$(cat "$TRANSCRIPTION_STATE_DIR/pid")"
echo "State: $TRANSCRIPTION_STATE_DIR"

Step 4: 進行状況確認(バックグラウンド実行時)

# ログ確認
tail -f "$TRANSCRIPTION_STATE_DIR/transcription.log"

# 完了確認
cat "$TRANSCRIPTION_STATE_DIR/exit"

xangiでturnを跨ぐ場合は、処理の末尾で終了状態を保存した後に xangi tool trigger を呼ぶ。triggerを設定できない環境では、ログ・終了状態の確認をユーザーへ明示的に引き継ぎ、自動で戻ると約束しない。

Step 5: 完了報告

文字起こし完了後、以下を報告:

  • 出力ファイルパス
  • 文字数(概算)
  • 処理時間

処理時間目安

音声長tinybasemediumlarge
10分30秒1分2-3分5分
30分1-2分2-3分5-8分10-15分
60分2-3分4-6分10-15分20-30分

トラブルシューティング

  • transcriber_tool未インストール: 初回実行時に自動インストールされる
  • タイムアウト: setsid で分離し、PID・ログ・終了コードを保存する
  • メモリ不足: より小さいモデル(tiny/base)を使用
  • 日本語の精度が低い: モデルを large にする