Voibe Transcription MCP Server

公式

Claude/Openclaw/Hermes/Codex/Grok Botに耳を与えます。Voibeは録音を、AIエージェントが扱えるテキストに変換します。ミーティング、インタビュー、通話、講義、ポッドキャストのエピソード、ボイスメモの文字起こしをエージェントに依頼できます。生の文字起こしは、話者ラベル、タイムスタンプ、要約付きでチャットに届きます。

getvoibe.com で表示このMCPを試すスポンサー

Voibe Transcription MCPで何ができますか？

Create transcription jobs — アシスタントに、create_transcription_job で音声を送信して文字起こしを開始するよう依頼します。オプションで話者分離やカスタム要約プロンプトも指定できます。
Retrieve transcripts and summaries — get_transcript を使用して、タイムスタンプ付きの話者ラベル付き行、プレーンテキスト版、プロンプトに応じて調整された要約を取得します。
List past recordings — list_transcripts を呼び出すと、過去のジョブが新しい順に表示され、ステータス、タイトル、音声の長さを確認できます。
Check remaining minutes — 新しいジョブを開始する前に、get_balance を照会して残りの文字起こし分数を確認します。
Receive results via webhook — ジョブ作成時に webhook_url を渡すと、完了した文字起こしと要約が自動的にエンドポイントへPOSTされます。

ドキュメント

Workflows

複雑なワークフローのためのシンプルなAPI

1回の呼び出しで、文字起こし、話者、要約が返ってきます。その上にエージェントが何を構築するかが、面白い部分です。

ミーティングノート

スタンドアップの録音がバケットに保存される
1回の呼び出しで、誰が何を言ったか、決定事項のみの要約が返る
エージェントがノートを投稿し、フォローアップを開始する

"prompt": "決定事項と担当者として要約する"

サポートQA

サポートコールが終了し、録音が送信される
話者ラベルが顧客と担当者を区別する
エージェントがコールをスコアリングし、レビューが必要なものをフラグ付けする

"prompt": "顧客の未解決の苦情をリストアップする"

ポッドキャスト制作

エピソードがアップロードされ、ウェブフックが登録される
完成した文字起こしがタイムスタンプ付きでエンドポイントに届く
エージェントがショーノートを書き、チャプターマーカーを設定する

"prompt": "チャプタータイトル付きのショーノートを書く"

営業コールからCRMへ

ミーティング終了と同時にコール録音が送信される
要約がアクションアイテムとして返ってくる
エージェントがそれらを商談に書き込み、次のステップをスケジュールする

"prompt": "担当者と日付付きのアクションアイテムをリストアップする"

これらはすべて同じ3つのエンドポイントです。変わるのは送信するプロンプトと、エージェントがレスポンスをどう処理するかだけです。

エージェント向けに構築

エージェントがURLを呼び出せれば、聞くことができます

1回のPOST、1回のアップロード、1つのJSONレスポンス。導入するSDKも、インストールするランタイムも、結婚するフレームワークもありません。

Claude Code
Codex
Cursor
Hermes
OpenClaw

2つの入り口、インストール不要。MCPサーバーに接続して質問するか、エージェントをドキュメントに向ければ、ユースケースに必要なクライアントをエージェントが書きます。

これをエージェントに貼り付けてください

Read https://platform.getvoibe.com/docs.md and write me a client that
sends a meeting recording to the Voibe API and returns who said
what, with timestamps and a summary.

MCPサーバー

Claude、Cursor、Codex、ChatGPTから使用

VoibeはMCPサーバーです。一度接続すれば、すでに使っているAIアプリが録音を文字起こしし、結果を読み、議事録を確認できます。コードは不要です。

コネクタを追加アドレスをアプリに貼り付けます：ClaudeではConnectors、Claude Codeでは1つのコマンド、CursorとCodexでは設定ファイルに貼り付けます。
一度サインインブラウザでVoibeを承認します。新しいメールアドレスには15分の無料分が付与されます。APIキーのコピーは不要です。
質問する "この録音を文字起こしして。" コーディングツールはファイル自体をアップロードします。チャットアプリはアップロードリンクを渡します。文字起こしと要約がチャットで返ってきます。
同じAPI、同じアカウント、同じ課金：音声1秒あたり、ジョブが完了したときのみ。

MCPアドレス

https://api.getvoibe.com/mcp

Claude Code

claude mcp add --transport http voibe https://api.getvoibe.com/mcp

create_transcription_job 文字起こしを開始
get_transcript ステータス、その後文字起こしと要約
list_transcripts 録音一覧（新しい順）
get_balance 残り分数
Claude
Claude Desktop
Cowork
Claude Code
Cursor
Codex
ChatGPT
VS Code
Hermes
OpenClaw

エージェントが受け取るもの

文字起こしAPIが返すもの

要約ツールへの2回目の呼び出しも、別のダイアライゼーションサービスも、それらをつなぐグルーコードも不要です。

GET /v1/transcripts/{job_id}

{
  "job_id": "a523721c-…",
  "status": "DONE",
  "title": "Pricing page review",
  "audio_duration_seconds": 205.27,
  "seconds_charged": 206,
  "diarize": true,
  "transcript": [
    { "speaker": "Priya", "start": 0.4,  "end": 5.2,
      "text": "Let's start with the pricing page. Where are we?" },
    { "speaker": "Tom",   "start": 6.1, "end": 10.8,
      "text": "Copy is done. I need a review before Thursday." }
  ],
  "transcript_text": "Priya: Let's start with the pricing page…",
  "summary": { "text": "Pricing page ships Friday. Tom owns the copy, Priya reviews on Thursday." },
  "error": null
}

transcript 各行に話者と開始・終了時間（秒）が含まれます。正しい人物を引用し、その瞬間にジャンプし、フォローアップを依頼した人にルーティングできます。
transcript_text 同じ文字起こしを1つのプレーンな文字列として。プロンプトやインデックスにそのまま投入できます。
summary エージェントが2回目のモデル呼び出しなしで投稿、保存、推論できる短い要約。録音のタイトルも付属します。

ユースケース

一度設定すれば、毎週実行されます

統合を書く必要はありません。繰り返しのジョブをすでに使っているエージェントに説明すれば、エージェントがVoibeをスケジュールで呼び出すスクリプトを書きます。

プロダクトマネージャー

Claude Coworkを使用

1週間分の顧客コールを、1つも聞かずにテーマ別のフィードバックダイジェストに変換します。

エージェントに依頼した内容

"毎週金曜日、先週のコール録音をVoibe APIに送信し、上位5つのテーマを各テーマの引用と顧客名付きで教えて。"

開発者

Codexを使用

チームが記録するすべてのスタンドアップとインシデントコールの検索可能な文字起こしインデックスを維持します。

エージェントに依頼した内容

"バケットからの新しい録音をVoibe APIに投稿し、JSONを保存し、検索用にtranscript_textをPostgresにインデックスするジョブを書いて。"

ファウンダー

Hermesを使用

投資家や営業コールを、その日のうちにフォローアップに変換します。

エージェントに依頼した内容

"コール録音が届いたら、Voibeで文字起こしし、私が約束したことと期限をリストアップしたフォローアップメールの下書きを作成して。"

コンテンツクリエイター

OpenClawを使用

新しいエピソードを毎晩、ショーノート、チャプターマーカー、クリップ候補に変換します。

エージェントに依頼した内容

"このフォルダを監視して。新しいエピソードが現れたら、Voibeで文字起こしし、チャプター、ショーノート、タイムスタンプ付きのベスト3のプルクォートを教えて。"

これらはそれぞれ、エージェントとの1回の会話です。エージェントがMCPサーバーに接続するかドキュメントを読み、スクリプトを書いてスケジュールします。あなたは出力をレビューするだけです。

料金

音声テキスト変換APIの料金

15分無料、その後は有効期限のない分を購入。エージェントが実際に文字起こしする音声に対してのみ支払います：サブスクリプションなし、シートなし、月額最低料金なし。

$50 $0.27 音声1時間あたり

11,000分・183時間分の音声

15分の無料分で開始

カード不要。音声1秒あたり、ジョブ完了時に請求。分は期限切れになりません。

話者ダイアライゼーション

話者ダイアライゼーション：エージェントは誰が何を言ったかを知っています

話者ラベルはデフォルトでオン：すべての行に話者ラベルと開始・終了時間（秒）が付いて返ります。区別できる話者数の上限はなく、人々が自分の名前を言った場合、要約はそれを使用します。別のダイアライゼーションモデルを実行する必要も、追加料金もありません。プレーンな文字起こしが必要な場合は、diarizeをfalseに設定します。

誰が何にコミットしたかを追跡するミーティングエージェント
顧客を引用するサポートエージェント
インタビューとポッドキャストのパイプライン
複数人が話すあらゆる場面

作成呼び出しの1つのフィールド

{ "diarize": true }

ウェブフック

非同期文字起こし：エージェントは発火して次へ進む

ジョブ作成時にwebhook_urlを渡すと、完了した結果をエンドポイントにPOSTします。エージェントのループがポーリングでブロックされることはありません。ボディにはイベント名とGETと同じジョブボディが含まれるため、1つのハンドラーで両方のパスをカバーできます。

作成呼び出しの1つのフィールド

{ "webhook_url": "https://you.dev/ready" }

誘導可能な要約

エージェントが必要とする形をリクエスト

プロンプトを渡すと、コードが読みたい形で要約が返ってきます：決定事項のみ、アクションアイテム、箇条書き。エージェントは2回目のモデル呼び出しなしで使える構造を取得します。最大2,000文字。要約が変わります。

あなたの指示、あなたの要約

{
  "diarize": true,
  "prompt": "summarise as bullet points, focus on decisions"
}

統合

コーディングエージェントに配線させる

ポータルから1つのプロンプトをClaude Code、Codex、Cursor、または任意のコーディングエージェントにコピーすると、エージェントがクライアントを書きます。プロンプトにはキーがすでに入力されています。録音の文字起こしだけが必要な場合は、コードをスキップ：MCPサーバーに接続して質問してください。

便利なアプリを構築

開発者が音声テキスト変換APIで構築するもの

APIは話者ラベル付きテキスト、タイムスタンプ、誘導可能な要約を提供します。これらはそこから生まれる製品です。

ミーティングノートテイカー

録音を、誰が何にコミットしたかを名前付きで示すノートに変換します。話者ラベルが帰属を処理し、プロンプトが出力を決定事項と担当者に整形します。

検索可能なコールアーカイブ

transcript_textを全文検索用にインデックスし、タイムスタンプを保持してその瞬間にジャンプします。話者でフィルタリングして、何ヶ月分ものコールで1人が言ったことを見つけます。

キャプションと字幕

すべての行に開始・終了時間（秒）が付いて届くため、SRTやVTTファイルに必要なものはすべて揃っています。エディタに触れずにビデオライブラリ全体にキャプションを付けられます。

ボイスノートからタスクへ

歩きながらのメモが構造化された作業になります。プロンプトにアクションアイテムと担当者・日付を要求し、トラッカーに直接書き込みます。

コールスコアリングとコーチング

担当者と顧客を分離し、独自のルーブリックでコールをスコアリングします。外れ値をレビューします。

製品のための音声インターフェース

ユーザーがアプリと話せるようにします。クリップを送信し、エージェントがルーティングできるテキストを受け取り、音声インフラの構築をスキップします。

これらはいずれも異なるエンドポイントを必要としません。文字起こし、話者、要約はすべて1つのレスポンスで届きます。製品とは、それをどう使うかです。

仕組み

音声テキスト変換APIの仕組み

3つのエンドポイント、2つのステップ。ジョブを作成し、返ってきた署名付きURLに音声をアップロードし、結果をポーリングするかウェブフックに任せます。

POST /v1/transcripts ジョブを開始し、署名付きアップロードURLを返します。
GET /v1/transcripts/{job_id} ステータス、文字起こし、要約を返します。
GET /v1/transcripts ジョブを一覧表示します（1ページあたり最大200件）。
音声は署名付きURLでストレージに直接送られるため、大きなファイルがAPIリクエストを通過することはありません。ファイルは最大200 MB。URLは5時間有効です。

音声をアップロード

curl -s -X PUT "$UPLOAD_URL" \
  -H "Content-Type: application/octet-stream" \
  --data-binary @pricing-meeting.mp3

信頼と信頼性

音声のゼロ保持

録音は文字起こしが存在した瞬間に削除されます。保持されることはなく、モデルのトレーニングに使用されることもありません。

音声は文字起こし後に削除
録音は文字起こしが生成された時点で削除されます。
モデルのトレーニングに使用されることはありません
送信されたものはモデルのトレーニングに使用されません。録音はあなたのものです。
すべての読み取りはアカウントにスコープされます
ジョブは作成したアカウントのみが読み取れます。
失敗したジョブは請求されません
ジョブがDONEに達したときのみ支払います。キュー、処理中、失敗したジョブは無料なので、リトライも無料です。

文字起こしは、ジョブ完了後24時間、GET /v1/transcriptsで読み取り可能なままなので、エージェントは音声を再送信せずに結果を再度取得できます。

音声テキスト変換API FAQ

AIエージェントに最適な音声テキスト変換APIは何ですか？

統合を待たずにエージェントが使えるものです。VoibeのAPIはプレーンなHTTPです：ジョブを開始する1回のPOST、1回のアップロード、文字起こし・話者ラベル・タイムスタンプ・要約を含む1つのJSONレスポンス。インストールするSDKも、コミットするフレームワークもありません。また、https://api.getvoibe.com/mcp, にMCPサーバーがあるため、Claude、Claude Code、Cursor、Codex、ChatGPTが直接接続できます。独自のコードの場合は、エージェントを https://platform.getvoibe.com/docs.md に向ければ、ユースケースに必要な呼び出しをエージェントが解決します。すべての新規アカウントは15分の無料分とカード不要で開始できます。

Voibeの音声テキスト変換APIにはMCPサーバーがありますか？

はい。Voibe MCPサーバーは https://api.getvoibe.com/mcp. にあります。カスタムコネクタまたは1つの設定ブロックでClaude、Claude Code、Cursor、Codex、ChatGPT、VS Codeに追加し、一度サインインして、録音の文字起こしをアプリに依頼します。4つのツールを公開しています：文字起こしの開始、文字起こしの取得、文字起こしの一覧表示、残り分数の確認。APIと同じアカウント、同じ分、同じ秒単位の課金を使用します。

ClaudeはVoibeでミーティング録音を文字起こしできますか？

はい。ClaudeでCustomize、Connectorsを開き、+をクリックし、Add custom connectorを選択して、https://api.getvoibe.com/mcp を貼り付け、サインインします。その後、Claudeに録音の文字起こしを依頼します。Claudeはコンピュータ上のファイルを読み取れないため、アップロードリンクを提供します。ファイルをドロップすると、Claudeが文字起こしと要約を取得します。これはWeb版Claude、Claude Desktop、Coworkで動作します。

Claude Code、Cursor、Codexから音声を文字起こしするにはどうすればよいですか？

Voibe MCPサーバーに接続して依頼します。Claude Codeの場合は、claude mcp add --transport http voibe https://api.getvoibe.com/mcp, を実行し、セッションで /mcp と入力してサインインします。CursorとCodexは設定ファイルに1つのブロックを追加します。その後、エージェントにファイルの文字起こしを依頼します：エージェントがファイル自体をアップロードし、話者ラベル付きの文字起こしと要約を返します。各アプリのセットアップは https://platform.getvoibe.com/docs/mcp. にあります。

APIは異なる話者を識別しますか、また名前を知っていますか？はい。話者ラベルはデフォルトでオンになっています。各行には話者ラベルと開始・終了時刻（秒単位）が付与されます。話者は speaker_0、speaker_1 のように記録内で一貫してラベル付けされ、識別できる話者の数に上限はありません。要約とタイトルは、録音内で人名が使われている場合（自己紹介や名前で呼びかけられた場合など）にその名前を使用します。話者分離は料金に含まれています。プレーンな文字起こしが必要な場合は、diarize を false に設定してください。

対応している音声形式、ファイルサイズ、レート制限は？

mp3、wav、m4a、mp4、flac、ogg、webm はそのまま取り込めます。その他の音声・動画ファイルは、音声を読み取れる場合に最初に変換されます。形式はファイルの内容から判別されます。各ファイルは最大200 MBまで対応し、アップロードURLの有効期限は5時間です。レート制限はアカウントあたり1分間に50ジョブ、1日あたり1,000ジョブです。これを超えると作成呼び出しは429を返すため、待ってから再試行してください。

音声テキスト変換APIはどの言語に対応していますか？

音声認識モデルと要約モデルは多言語対応のため、録音が英語である必要はありません。話者分離もどの言語でも同じように機能します。

結果をポーリングする必要がありますか？

いいえ。ジョブ作成時に webhook_url を渡すと、結果が準備でき次第、完了した結果をエンドポイントにPOSTします。ボディにはイベント名（transcript.completed または transcript.failed）と、GET /v1/transcripts/{job_id} と同じジョブボディが含まれるため、1つのハンドラーで両方に対応できます。ポーリングも引き続き利用可能です。

課金はどのように行われ、分数に有効期限はありますか？

音声1秒あたりの課金で、1秒単位で切り上げられます。3分24秒のファイルは3分24秒分の料金がかかります。ジョブがDONEに達したときのみ課金されるため、キュー待ち、処理中、失敗したジョブには料金がかかりません。新しいアカウントはすべて15分の無料分数で開始し、カードは不要です。その後は、2,000分で10ドルからのワンタイムパックで分数を購入します。分数に有効期限はなく、サブスクリプションや月額最低料金もありません。

ジョブが失敗した場合はどうなりますか？

課金はされません。ジョブはFAILEDステータスと、何が問題だったかを平易な言葉で説明するエラーフィールド（例：音声の長さに対して分数が不足している、24時間以内にファイルが届かなかったなど）とともに返されます。分数がまったく残っていない場合、アップロード前に作成呼び出しが402で拒否されるため、何も送信されません。

音声は保存されたり、モデルのトレーニングに使用されたりしますか？

音声は文字起こし後に削除され、モデルのトレーニングに使用されることはありません。文字起こしと要約はジョブ完了後24時間読み取り可能で、その後削除されます。ジョブのタイトル、長さ、コストは履歴に残ります。すべての読み取りはアカウントにスコープされているため、自分のジョブのみが表示されます。音声テキスト変換はWhisper large-v3-turbo、話者分離はpyannote community-1、要約はgpt-oss-120bで実行されます。

自分でWhisperを実行するのとどう違いますか？

インフラの運用、GPUの維持、スケーリングの管理は不要です。話者分離と要約は文字起こしと同じレスポンスで返されるため、追加のモデルやグルーコードは不要です。文字起こしされた音声1秒あたりの料金のみで、サーバー時間の支払いはありません。

Voibe Transcription MCP Server

Voibe Transcription MCPで何ができますか？

ドキュメント

複雑なワークフローのためのシンプルなAPI

ミーティングノート

サポートQA

ポッドキャスト制作

営業コールからCRMへ

エージェントがURLを呼び出せれば、聞くことができます

Claude、Cursor、Codex、ChatGPTから使用

文字起こしAPIが返すもの

一度設定すれば、毎週実行されます

プロダクトマネージャー

開発者

ファウンダー

コンテンツクリエイター

音声テキスト変換APIの料金

話者ダイアライゼーション：エージェントは誰が何を言ったかを知っています

非同期文字起こし：エージェントは発火して次へ進む

エージェントが必要とする形をリクエスト

コーディングエージェントに配線させる

開発者が音声テキスト変換APIで構築するもの

ミーティングノートテイカー

検索可能なコールアーカイブ

キャプションと字幕

ボイスノートからタスクへ

コールスコアリングとコーチング

製品のための音声インターフェース

音声テキスト変換APIの仕組み

音声のゼロ保持

音声は文字起こし後に削除

モデルのトレーニングに使用されることはありません

すべての読み取りはアカウントにスコープされます

失敗したジョブは請求されません

音声テキスト変換API FAQ