whisper-transcription
О программе
Этот навык транскрибирует аудио- и видеофайлы в текст с использованием модели Whisper от OpenAI. Он идеально подходит для разработчиков, которым необходимо создавать субтитры, конвертировать подкасты в текст или создавать доступные для поиска аудиоархивы. Ключевые возможности включают извлечение цитат из интервью и преобразование мультимедийного контента в письменные форматы.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add guia-matthieu/clawfu-skills -a claude-code/plugin add https://github.com/guia-matthieu/clawfu-skillsgit clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/whisper-transcriptionСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
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
GitHub репозиторий
Frequently asked questions
What is the whisper-transcription skill?
whisper-transcription is a Claude Skill by guia-matthieu. Skills package instructions and resources that Claude loads on demand, so Claude can perform whisper-transcription-related tasks without extra prompting.
How do I install whisper-transcription?
Use the install commands on this page: add whisper-transcription to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does whisper-transcription belong to?
whisper-transcription is in the Meta category, tagged ai and design.
Is whisper-transcription free to use?
Yes. whisper-transcription is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Похожие навыки
Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.