whisper-transcription

guia-matthieu

Actualizado 2 days ago

3 vistas

111

Metaaidesign

Acerca de

Esta habilidad transcribe archivos de audio y video a texto utilizando el modelo Whisper de OpenAI. Es ideal para desarrolladores que necesitan generar subtítulos, convertir podcasts a texto o crear archivos de audio con capacidad de búsqueda. Sus capacidades clave incluyen extraer citas de entrevistas y reutilizar contenido multimedia en formatos escritos.

Instalación rápida

Claude Code

Recomendado

Principal

npx skills add guia-matthieu/clawfu-skills -a claude-code

Comando PluginAlternativo

/plugin add https://github.com/guia-matthieu/clawfu-skills

Git CloneAlternativo

git clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/whisper-transcription

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación

Whisper Transcription

Transcribe any audio or video to text using OpenAI's Whisper model - the same technology powering ChatGPT voice features.

When to Use This Skill

Podcast repurposing - Convert episodes to blog posts, show notes, social snippets
Video subtitles - Generate SRT/VTT files for YouTube, social media
Interview extraction - Pull quotes and insights from recorded calls
Content audit - Make audio/video libraries searchable
Translation - Transcribe and translate foreign language content

What Claude Does vs What You Decide

Claude Does	You Decide
Structures production workflow	Final creative direction
Suggests technical approaches	Equipment and tool choices
Creates templates and checklists	Quality standards
Identifies best practices	Brand/voice decisions
Generates script outlines	Final script approval

Dependencies

pip install openai-whisper torch ffmpeg-python click
# Also requires ffmpeg installed on system
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg

Commands

Transcribe Single File

python scripts/main.py transcribe audio.mp3 --model medium --output transcript.txt
python scripts/main.py transcribe video.mp4 --format srt --output subtitles.srt

Batch Transcription

python scripts/main.py batch ./recordings/ --format txt --output ./transcripts/

Transcribe + Translate

python scripts/main.py translate foreign-audio.mp3 --to en

Extract Timestamps

python scripts/main.py timestamps podcast.mp3 --format json

Examples

Example 1: Podcast to Blog Post

# Transcribe 1-hour podcast
python scripts/main.py transcribe episode-42.mp3 --model medium

# Output: episode-42.txt (full transcript with timestamps)
# Processing time: ~5 min for 1 hour audio on M1 Mac

Example 2: YouTube Subtitles

# Generate SRT for video upload
python scripts/main.py transcribe marketing-video.mp4 --format srt

# Output: marketing-video.srt
# Upload directly to YouTube/Vimeo

Example 3: Batch Process Interview Library

# Transcribe all recordings in folder
python scripts/main.py batch ./customer-interviews/ --model small --format txt

# Output: ./customer-interviews/*.txt (one per audio file)

Model Selection Guide

Model	Speed	Accuracy	VRAM	Best For
`tiny`	Fastest	~70%	1GB	Quick drafts, short clips
`base`	Fast	~80%	1GB	Social media clips
`small`	Medium	~85%	2GB	Podcasts, interviews
`medium`	Slow	~90%	5GB	Professional transcripts
`large`	Slowest	~95%	10GB	Critical accuracy needs

Recommendation: Start with small for most marketing content. Use medium for client deliverables.

Output Formats

Format	Extension	Use Case
`txt`	.txt	Blog posts, analysis
`srt`	.srt	Video subtitles (YouTube)
`vtt`	.vtt	Web video subtitles
`json`	.json	Programmatic access
`tsv`	.tsv	Spreadsheet analysis

Performance Tips

GPU acceleration - 10x faster with CUDA GPU
Audio extraction - Script auto-extracts audio from video
Chunking - Long files auto-split for memory efficiency
Language detection - Automatic, or specify with --language

Skill Boundaries

What This Skill Does Well

Structuring audio production workflows
Providing technical guidance
Creating quality checklists
Suggesting creative approaches

What This Skill Cannot Do

Replace audio engineering expertise
Make subjective creative decisions
Access or edit audio files directly
Guarantee commercial success

Related Skills

video-processing - Extract audio from video
youtube-downloader - Download videos to transcribe
content-repurposer - Transform transcripts to content
podcast-production - Create podcasts

Skill Metadata

Mode: cyborg

category: automation
subcategory: audio-processing
dependencies: [openai-whisper, torch, ffmpeg-python]
difficulty: beginner
time_saved: 10+ hours/week

Repositorio GitHub

guia-matthieu/clawfu-skills

Ruta: skills/automation/whisper-transcription

ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

Habilidades relacionadas

content-collections

Meta

Esta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.

Ver habilidad

polymarket

Meta

Esta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.

Ver habilidad

creating-opencode-plugins

Meta

Esta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.

Ver habilidad

sglang

Meta

SGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.

Ver habilidad