transcribe

द्वारा openai

ऑडियो फ़ाइलों को वैकल्पिक स्पीकर डायराइज़ेशन और ज्ञात-स्पीकर संकेतों के साथ टेक्स्ट में ट्रांसक्राइब करें। gpt-4o-mini-transcribe के माध्यम से तेज़ टेक्स्ट ट्रांसक्रिप्शन और gpt-4o-transcribe-diarize के माध्यम से स्पीकर-लेबल वाले डायराइज़ेशन का समर्थन करता है। डायराइज़ेशन सटीकता में सुधार के लिए कई ऑडियो फ़ॉर्मेट और वैकल्पिक ज्ञात-स्पीकर संदर्भ (अधिकतम 4 स्पीकर) स्वीकार करता है।

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.

openai की और Skills

release
openai
Symphony रिलीज़ को बंप करके, उसे लैंड करके, मर्ज किए गए कमिट को टैग करके, और Burrito रिलीज़ वर्कफ़्लो को सत्यापित करके काटें। जब ऐसा करने के लिए कहा जाए…
signing-entitlements
openai
macOS ऐप्स के लिए हस्ताक्षर, अधिकार, कठोर रनटाइम और गेटकीपर समस्याओं का निरीक्षण करें। जब कोड हस्ताक्षर विफलताओं, लापता अधिकारों,… के निदान के लिए कहा जाए तो उपयोग करें।
building-ai-agent-on-cloudflare
openai
Cloudflare पर Agents SDK का उपयोग करके AI एजेंट बनाता है, जिसमें state प्रबंधन, real-time WebSockets, अनुसूचित कार्य, tool एकीकरण और चैट शामिल हैं…
epigraphdb-skill
openai
ऑन्टोलॉजी, साहित्य, एमआर, जीन-दवा और समर्थन-पथ साक्ष्य के लिए कॉम्पैक्ट EpiGraphDB API अनुरोध सबमिट करें। जब उपयोगकर्ता संक्षिप्त EpiGraphDB सारांश चाहता है तब उपयोग करें।
runtime-behavior-probe
openai
अस्थायी जांच स्क्रिप्ट, सत्यापन मैट्रिक्स, स्थिति नियंत्रण और निष्कर्ष-प्रथम रिपोर्ट के साथ runtime-behavior जांच की योजना बनाएं और निष्पादित करें। केवल तब उपयोग करें जब...
deep-security-scan
openai
उपयोग तब करें जब उपयोगकर्ता गहन, व्यापक, बहु-पास, या विचरण-न्यूनीकरण वाले रिपॉजिटरी-व्यापी या स्कोप्ड-पथ Codex Security स्कैन का अनुरोध करता है। कई स्वतंत्र बार-बार चलाएँ…
define-security-policy
openai
किसी रिपॉज़िटरी या कंपोनेंट के लिए SECURITY.md मार्गदर्शन को परिभाषित, समीक्षा, या अपडेट करें। उपयोग करें जब उपयोगकर्ता यह स्पष्ट करना चाहता है कि Codex Security को क्या समीक्षा करनी चाहिए, क्या बाहर…
validation
openai
इसका उपयोग तब करें जब Codex पहले से ही सुरक्षा स्कैन के सत्यापन चरण में हो या उपयोगकर्ता स्पष्ट रूप से यह निर्धारित करने के लिए कहे कि एक या अधिक उम्मीदवार सुरक्षा निष्कर्ष…