transcribe

por openai

Transcribe archivos de audio a texto con diarización opcional de hablantes y pistas de hablantes conocidos. Admite transcripción rápida de texto mediante gpt-4o-mini-transcribe y diarización etiquetada por hablante mediante gpt-4o-transcribe-diarize. Acepta múltiples formatos de audio y referencias opcionales de hablantes conocidos (hasta 4 hablantes) para mejorar la precisión de la diarización. Genera salida como texto plano, JSON o JSON diarizado con directorios de salida configurables para evitar sobrescrituras. Requiere la variable de entorno OPENAI_API_KEY; utiliza empaquetado...

npx skills add https://github.com/openai/skills --skill transcribe

Audio Transcribe

Transcribe audio using OpenAI, with optional speaker diarization when requested. Prefer the bundled CLI for deterministic, repeatable runs.

Workflow

  1. Collect inputs: audio file path(s), desired response format (text/json/diarized_json), optional language hint, and any known speaker references.
  2. Verify OPENAI_API_KEY is set. If missing, ask the user to set it locally (do not ask them to paste the key).
  3. Run the bundled transcribe_diarize.py CLI with sensible defaults (fast text transcription).
  4. Validate the output: transcription quality, speaker labels, and segment boundaries; iterate with a single targeted change if needed.
  5. Save outputs under output/transcribe/ when working in this repo.

Decision rules

  • Default to gpt-4o-mini-transcribe with --response-format text for fast transcription.
  • If the user wants speaker labels or diarization, use --model gpt-4o-transcribe-diarize --response-format diarized_json.
  • If audio is longer than ~30 seconds, keep --chunking-strategy auto.
  • Prompting is not supported for gpt-4o-transcribe-diarize.

Output conventions

  • Use output/transcribe/<job-id>/ for evaluation runs.
  • Use --out-dir for multiple files to avoid overwriting.

Dependencies (install if missing)

Prefer uv for dependency management.

uv pip install openai

If uv is unavailable:

python3 -m pip install openai

Environment

  • OPENAI_API_KEY must be set for live API calls.
  • If the key is missing, instruct the user to create one in the OpenAI platform UI and export it in their shell.
  • Never ask the user to paste the full key in chat.

Skill path (set once)

export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"
export TRANSCRIBE_CLI="$CODEX_HOME/skills/transcribe/scripts/transcribe_diarize.py"

User-scoped skills install under $CODEX_HOME/skills (default: ~/.codex/skills).

CLI quick start

Single file (fast text default):

python3 "$TRANSCRIBE_CLI" \
  path/to/audio.wav \
  --out transcript.txt

Diarization with known speakers (up to 4):

python3 "$TRANSCRIBE_CLI" \
  meeting.m4a \
  --model gpt-4o-transcribe-diarize \
  --known-speaker "Alice=refs/alice.wav" \
  --known-speaker "Bob=refs/bob.wav" \
  --response-format diarized_json \
  --out-dir output/transcribe/meeting

Plain text output (explicit):

python3 "$TRANSCRIBE_CLI" \
  interview.mp3 \
  --response-format text \
  --out interview.txt

Reference map

  • references/api.md: supported formats, limits, response formats, and known-speaker notes.

Más skills de openai

user-context
openai
Cargar o gestionar las preferencias de enrutamiento de origen duraderas del complemento de Análisis de Datos, la lógica de incorporación, el progreso de configuración y el registro de la capa semántica.
official
notion-research-documentation
openai
Investiga contenido en Notion y sintetízalo en informes estructurados, resúmenes o comparaciones con citas. Busca y obtén páginas de Notion mediante consultas específicas, luego organiza los hallazgos por tema con citas en línea de las fuentes y una sección de referencias. Elige entre cuatro formatos de salida (resumen rápido, síntesis de investigación, comparación, informe completo) según el alcance y el objetivo del usuario. Crea y actualiza páginas de Notion usando plantillas integradas; enlaza las fuentes directamente y registra los cambios a medida que llega nueva información...
official
rcsb-pdb-skill
openai
Envía solicitudes compactas de RCSB PDB para metadatos básicos, consultas de la API de búsqueda y descargas FASTA. Úsalo cuando un usuario desee resúmenes concisos de RCSB; guarda el JSON sin procesar o…
official
pdf
openai
Lectura, creación y validación de PDF con renderizado visual y generación programática. Renderiza páginas PDF a PNG para inspección visual del diseño, espaciado y tipografía antes de la entrega usando Poppler (pdftoppm). Genera PDFs programáticamente con reportlab para un formateo confiable; extrae texto y metadatos con pdfplumber o pypdf. Aplica estándares de calidad: sin texto recortado, elementos superpuestos, tablas rotas ni artefactos de renderizado; solo guiones ASCII, citas legibles para humanos. Usa...
official
test-coverage-improver
openai
Improve test coverage in the OpenAI Agents JS monorepo: run `pnpm test:coverage`, inspect coverage artifacts, identify low-coverage files and branches, propose…
official
playwright
openai
Automatización de navegador desde terminal con instantáneas de elementos y flujos de trabajo interactivos de interfaz de usuario. Opera mediante un script envolvente de playwright-cli (requiere npx); admite modos headless y con interfaz gráfica para depuración visual. Flujo de trabajo principal: abrir página, tomar instantánea para referencias estables de elementos, interactuar usando referencias, volver a tomar instantánea tras navegación o cambios en el DOM. Incluye llenado de formularios, clics, escritura, gestión de múltiples pestañas, captura de pantalla/PDF y grabación de trazas para depuración de flujos. Las referencias de elementos (por ejemplo, e3, e15)...
official
ukb-topmed-phewas-skill
openai
Obtén resúmenes PheWAS compactos de UKB-TOPMed para variantes individuales aceptando entrada de rsID, GRCh37 o GRCh38 y resolviendo a la consulta GRCh38 requerida. Úsalo cuando un…
official
code-review-context
openai
Contexto visible del modelo
official