Voice Transcribe

Voice Transcribe — это инструмент для транскрибации аудиофайлов с использованием модели gpt-4o-mini-transcribe от OpenAI. Он поддерживает подсказки словаря и замену текста, что помогает повысить точность распознавания речи. :

Когда использовать

Используйте этот инструмент, когда получаете голосовые сообщения (например, из WhatsApp). Достаточно запустить команду:

uv run /Users/darin/clawd/skills/voice-transcribe/transcribe 

После этого можно работать уже с текстовой расшифровкой аудио. :

Исправление ошибок распознавания

Если система неверно распознаёт слова, есть два способа исправления:

• Добавить слово в vocab.txt — для подсказок модели
• Добавить правило в replacements.txt — для гарантированной замены

Это особенно полезно для имён, терминов и специфического жаргона. :

Поддерживаемые форматы

Инструмент работает со следующими аудиоформатами:

• mp3
• mp4
• mpeg
• mpga
• m4a
• wav
• webm
• ogg
• opus

Примеры использования

# транскрибация голосового сообщения
transcribe /tmp/voice-memo.ogg

# передача результата в другую утилиту
transcribe /tmp/memo.ogg | pbcopy

Настройка

Перед началом работы необходимо добавить API-ключ OpenAI в файл окружения:

OPENAI_API_KEY=sk-...

Файл должен находиться по пути:

/Users/darin/clawd/skills/voice-transcribe/.env

Пользовательский словарь

Чтобы повысить точность распознавания, можно добавить специальные слова в файл vocab.txt (по одному на строку):

Clawdis
Clawdbot

Замены текста

Если ошибки остаются, можно задать явные правила замены в replacements.txt:

wrong spelling -> correct spelling

Примечания

• Работает только с английским языком (без автоопределения)
• Использует модель gpt-4o-mini-transcribe
• Кэширует результаты по SHA-256 аудиофайла