SkillsAdd

hukusuke1007/agent-skills · Archived

media-transcriber

動画/音声ファイルをタイムスタンプ付きで文字起こしし、要約まで行うスキル。「動画を文字起こしして」「この音声を要約して」「会議の録画をまとめて」「mp4を文字起こしして要約して」「インタビュー音声から議事録作って」などのリクエストで使用する。OpenAI Whisper（ローカル）でタイムスタンプ付き?

First seen Apr 27, 2026

Installation

$ npx skills add hukusuke1007/agent-skills --skill media-transcriber
View on skills.sh ↗ GitHub repository ↗

Summary

動画/音声ファイルをタイムスタンプ付きで文字起こしし、要約まで行うスキル。「動画を文字起こしして」「この音声を要約して」「会議の録画をまとめて」「mp4を文字起こしして要約して」「インタビュー音声から議事録作って」などのリクエストで使用する。OpenAI Whisper（ローカル）でタイムスタンプ付き?

Stronger alternatives

This repository is archived — consider an actively maintained alternative.

flutter-riverpod-arch Same source · more installs
hukusuke1007/agent-skills

Implement Feature-First architecture with Riverpod state management and Flutter Hooks in Flutte…

41 installs
design-md-generator Same source · more installs
hukusuke1007/agent-skills 29 installs
nextjs-better-auth-postgres-docker Same source · more installs
hukusuke1007/agent-skills

Next.js + Better Auth + PostgreSQL を Docker で構築し、Cloud Run へデプロイするスキル。ローカル…

13 installs
meti-ai-guideline Same source
hukusuke1007/agent-skills

AI事業者ガイドライン（経済産業省・総務省、第1.2版、2026年3月31日）に基づいて、AIに関する取り組…

12 installs

Similar popular skills

Related neighbors and high-traction skills in the same topics — useful to compare before installing.

find-skills Same topic
vercel-labs/skills

Helps users discover and install agent skills when they ask questions like "how do I do X", "fi…

3.3M installs
agent-browser Same topic
vercel-labs/agent-browser

Browser automation CLI for AI agents. Use when the user needs to interact with websites, includ…

810.4K installs
vercel-react-best-practices Same topic
vercel-labs/agent-skills 697.8K installs
web-design-guidelines Same topic
vercel-labs/agent-skills

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "chec…

617.3K installs
microsoft-foundry Same topic
microsoft/azure-skills

Build, deploy, evaluate, optimize, fine-tune, and manage Microsoft Foundry agents, models, and …

576.5K installs
azure-prepare Same topic
microsoft/azure-skills

Prepare azd-based Azure projects for deployment: generates azure.yaml, infrastructure (Bicep/Te…

568.3K installs

Also in this package

Other skills from hukusuke1007/agent-skills.

npx skills add hukusuke1007/agent-skills
flutter-riverpod-arch 41 design-md-generator 29 nextjs-better-auth-postgres-docker 13 meti-ai-guideline 12 claude-md-manager 12 image-compressor 12 nano-banana-image-gen 12 codebase-onboarding 8 knowledge-graph-init 2

Browse all from hukusuke1007/agent-skills

More details

Agent compatibility

Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.

Claude Code Declared
Cursor Not declared
Codex Not declared
GitHub Copilot Not declared
Windsurf Not declared
Gemini CLI Not declared
Cline Not declared
OpenCode Not declared

Repository health

Stars 8
License LICENSE
Default branch main
Open issues 0
Status Archived

Skill metadata

Parsed from SKILL.md frontmatter.

Version1.1.0
LicenseMIT
Declared agents claude-code

Package contents

Files included with this skill beyond the listing page.

  • skill md SKILL.md 8,252 B
  • docs SUMMARY.md 639 B

History

  1. First seen on skills.sh
  2. First recorded snapshot · 12 installs

SKILL.md

動画/音声 文字起こし + 要約

動画 or 音声ファイルを OpenAI Whisper (ローカル) で文字起こしし、全文md と 要約md の 2ファイルを出力するスキル。

対応拡張子: mp3 / m4a / wav / ogg / flac / mp4 / mov / mkv / webm / avi など（whisper が内部で ffmpeg を呼ぶため動画もそのまま渡せる）。

実行手順

  1. ユーザーが指定したファイルパスを確定する（ドラッグ&ドロップ時は引用符で囲む）
  2. 以下のコマンドで文字起こしを実行:

基本（推奨デフォルト: turbo = large-v3-turbo + Whisper自然分割）:

python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja

最高精度（固有名詞多い議事録・重要案件）:

python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --model large-v3 --language ja

軽量・高速（下書き用途）:

python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --model base --language ja

N秒ごとに強制区切り（約5秒刻みで拾いたい）:

python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja --segment-seconds 5

文（センテンス）単位で区切る（句読点検出＋最大60秒cap）:

python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja --sentence

単語ごと（発話タイミング分析用、行数が大量に増えるので注意）:

python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja --word-level
  1. 出力された全文md (<プロジェクトルート>/YYYYMMDDHHMMSS{basename}.md) を Read で読む
  2. 全文の内容を踏まえて、Claude自身が 要約md を Write で作成する。ファイル名は YYYYMMDDHHMMSS{basename}_summary.md（全文mdと同じタイムスタンプ・同じディレクトリ）。要約の構成は下記「要約mdテンプレ」を既定とし、ユーザー指示があればそれに従う
  3. 全文mdと要約mdの両パスをユーザーに報告する

引数

引数 説明 デフォルト
file 入力音声/動画ファイルパス（必須） —
--model whisperモデル名 (tiny / base / small / medium / large-v3 / turbo) turbo
--language 言語コード（例: ja, en）。未指定時は自動検出 auto-detect
--output-format 出力フォーマット (md / json) md
--segment-seconds N秒ごとに行を区切る 未指定
--sentence 文（センテンス）単位で区切る。句読点検出＋上限秒capで再チャンク false
--word-level 単語ごとに1行出力。最優先 false
--sentence-max-seconds --sentence 時のフォールバック上限秒。句読点が無い音声で1文が長大化しないよう強制flush 60.0

分割粒度の優先順位（上が強い）: --word-level > --segment-seconds > --sentence > Whisper自然分割（デフォルト）

設定

プロジェクトルートの .env に以下の環境変数を設定する（任意。未設定時はプロジェクトルート直下に出力）:

# 例: transcripts/ 配下に出したい場合
TRANSCRIPT_OUTPUT_PATH=transcripts
変数名 説明
TRANSCRIPTOUTPUTPATH 出力先ディレクトリ（デフォルト: . = プロジェクトルート直下）

出力

全文md の例

# 文字起こし: meeting_20260421.mp4

- 元ファイル: /path/to/meeting_20260421.mp4
- モデル: medium
- 言語: ja (auto-detected)
- 実行日時: 2026-04-21 14:30:00
- 総尺: 00:45:12

## 全文

[00:00:00] 今日は四半期の振り返りから始めましょう。
[00:00:12] まず売上の件ですが、前年同月比で...
  • ファイル名: YYYYMMDDHHMMSS{basename}.md（basename は入力ファイルの拡張子を除いた名前）
  • 保存先: プロジェクトルート直下（デフォルト）。.env の TRANSCRIPTOUTPUTPATH で上書き可

要約md のテンプレ

Claude がこのテンプレを既定の骨格として書き出す:

# 要約: meeting_20260421.mp4

- 元ファイル: /path/to/meeting_20260421.mp4
- 総尺: 00:45:12
- 文字起こし: 20260421_143000_meeting_20260421.md

## 概要

3〜5行で全体像

## キーポイント

- 箇条書き5〜8個

## トピック別まとめ

### トピック1

...

## 次のアクション

- 担当 / 期限 / 内容
  • ファイル名: YYYYMMDDHHMMSS{basename}_summary.md（全文mdと同じタイムスタンプ）
  • 保存先: 全文mdと同じディレクトリ

要約の注意点

クライアント会議録・議事録としても使うことを前提に、以下のトーンで書く:

  • 「全滅」「即停止」「劣後」「死蔵」「失敗」等のネガティブ断定語は使わない
  • 数値での事実提示はOK。事実に対する評価表現で相手を否定しない
  • ユーザーから別のトーン指示があればそれを優先する

モデル選択の目安

モデル サイズ 速度 日本語精度 用途
tiny ~75MB 超高速 低 下書き・英語短尺
base ~150MB 高速 中の下 英語短尺・スピード優先
small ~500MB 中速 中 簡易な日本語
medium ~1.5GB やや遅 高 旧定番（turboで置き換え可）
turbo ~1.5GB 高速 高 (v2相当) 推奨デフォルト（日本語・汎用）
large-v3 ~3GB 遅い 最高 固有名詞多め・重要な議事録

2025年の実測比較では日本語用途で turbo (large-v3-turbo) が speed/accuracy のバランス最優秀。medium とメモリ・速度が同等で精度は同等以上なので、通常 turbo を第一選択に。最高精度が必要なときのみ large-v3。

初回実行時はモデルが ~/.cache/whisper/ にダウンロードされる（1回だけ）。turbo は約1.5GB。

依存パッケージ確認

初回エラー時は以下でインストール:

pip install -U openai-whisper python-dotenv

ffmpeg が別途必要（whisper が内部で呼ぶ）:

brew install ffmpeg