transcribe

作成者: firecrawl

音声ファイルをテキストに書き起こし、オプションで話者分離や既知の話者ヒントを利用可能。ユーザーが音声・動画から音声を書き起こすよう依頼した場合や、テキストを抽出する場合に使用。

npx skills add https://github.com/firecrawl/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.

firecrawlのその他のスキル

firecrawl-research-index
firecrawl
Firecrawl Researchを使用して、研究クエリに回答する論文を、意味検索、意味的・構造的拡張、本文内検証により見つけます。文献検索や論文取得のタスク(単一論文の検索から複数論文のセットまで)には、常にこのスキルを使用してください。
data-analysisresearchweb-scraping
oracle
firecrawl
oracle CLIのベストプラクティス(プロンプトとファイルのバンドル、エンジン、セッション、ファイル添付パターン)
pinecone
firecrawl
プロダクションAIアプリケーション向けの管理型ベクトルデータベース。フルマネージド、自動スケーリング、ハイブリッド検索(高密度+スパース)、メタデータフィルタリング、名前空間を備えています。…
wpds
firecrawl
WordPress Design System(WPDS)とそのコンポーネント、トークン、パターンなどを活用してUIを構築する際に使用します。
audiocraft-audio-generation
firecrawl
音声生成のためのPyTorchライブラリ。テキストから音楽を生成するMusicGenと、テキストから効果音を生成するAudioGenを含む。テキストから音楽を生成する必要がある場合に使用する…
skypilot-multi-cloud-orchestration
firecrawl
MLワークロード向けのマルチクラウドオーケストレーションで、自動コスト最適化を実現。複数のクラウドにまたがってトレーニングやバッチジョブを実行する必要がある場合、または…を活用する場合に使用します。
firecrawl-seo-audit
firecrawl
Firecrawlを使用してウェブサイトのSEOを監査します。ユーザーがSEO監査、メタデータや見出しのレビュー、サイトマップやサイト構造の分析、キーワードの機会、競合のSERP比較、優先順位付けされた検索最適化の推奨事項を求めた場合に使用します。
data-analysisresearchweb-scraping
gh-issues
firecrawl
GitHubのIssueを取得し、修正を実装してPRを開くサブエージェントを起動し、その後PRレビューコメントを監視して対応します。使用方法: /gh-issues [owner/repo] [--label…]