By name: xs:transcriber description: 音声ファイルをテキストに文字起こしするスキル。mp3/wav/m4a/ogg/flac形式に対応。whisperベースのtranscriber_toolを使用し、tiny/base/small/medium/largeの5つのモデルから精度と速度のバランスを選択可能。長時間音声はバックグラウンド実行に対応。「文字起こしして」「音声をテキストに変換して」で使用。
音声文字起こし
音声ファイルをテキストに変換する。
絶対遵守事項
- 長時間処理（10分以上の音声）はnohupでバックグラウンド実行
対話フロー
Step 1: ファイル指定
「文字起こしする音声ファイルのパスを指定してください」
対応形式: mp3, wav, m4a, ogg, flac
Step 2: モデル選択
「文字起こしモデルを選択してください」
| # | モデル | 速度 | 精度 | 用途 |
|---|---|---|---|---|
| 1 | tiny | 最高速 | 最低 | テスト用 |
| 2 | base | 高速 | 標準 | 推奨 |
| 3 | small | 中速 | 中精度 | バランス |
| 4 | medium | 低速 | 高精度 | 高品質 |
| 5 | large | 最低速 | 最高 | 最高品質 |
Step 3: 実行
出力先は音声ファイルと同じディレクトリに .txt 拡張子で保存。
# 短い音声（10分以下）はフォアグラウンド
uvx transcriber_tool transcribe "[音声ファイルパス]" --model-size [モデル] --output "[出力パス].txt"
# 長い音声（10分以上）はバックグラウンド
nohup uvx transcriber_tool transcribe "[音声ファイルパス]" --model-size [モデル] --output "[出力パス].txt" > /tmp/transcription.log 2>&1 &
echo "PID: $!"
Step 4: 進行状況確認（バックグラウンド実行時）
# ログ確認
tail -f /tmp/transcription.log
# プロセス確認
ps aux | grep transcriber_tool
Step 5: 完了報告
文字起こし完了後、以下を報告:
- 出力ファイルパス
- 文字数（概算）
- 処理時間
処理時間目安
| 音声長 | tiny | base | medium | large |
|---|---|---|---|---|
| 10分 | 30秒 | 1分 | 2-3分 | 5分 |
| 30分 | 1-2分 | 2-3分 | 5-8分 | 10-15分 |
| 60分 | 2-3分 | 4-6分 | 10-15分 | 20-30分 |
トラブルシューティング
- transcriber_tool未インストール: 初回実行時に自動インストールされる
- タイムアウト: nohupでバックグラウンド実行を使用
- メモリ不足: より小さいモデル（tiny/base）を使用
- 日本語の精度が低い: モデルを large にする