無料GitHub で公開日本語紹介

openai-whisper-api

音声ファイルをOpenAIの文字起こしAPIに送り、テキストやJSONで保存します。モデルや言語の指定、話者を区別した文字起こしにも対応するスキル。

原文OpenAI Audio Transcriptions API via curl; gpt-4o-transcribe, mini, diarize, or whisper-1.

openclaw/openclaw

インストール方法を見る

こんなときに便利

会議の録音を文字起こししたいとき
インタビューの話者を区別したいとき
文字起こしをJSONで保存したいとき
音声の言語を指定して文字起こし

日本語での紹介

できること

音声ファイルをOpenAIの文字起こしAPIに送り、結果をテキストやJSONで保存します。付属のtranscribe.shでモデル、保存先、言語などを指定します。標準ではgpt-4o-transcribeを使い、入力ファイル名に.txtを付けたファイルへ出力します。gpt-4o-mini-transcribeやwhisper-1も選べます。

こんなときに便利

会議やインタビューの録音を文章で確認したいとき、文字起こし結果を別の処理に渡したいときに向いています。話者を区別する必要がある場合は、gpt-4o-transcribe-diarizeで発言に話者ラベルを付けられます。通常の文字起こしでは、名前などの補足情報をプロンプトとして渡す例も示されています。

使い方の例

「この会議の録音を文字起こししてテキストで保存して」
「インタビューを話者ラベル付きで文字起こしして」
「音声の言語を指定してJSONで出力して」

注意点

curl、node、OPENAI_API_KEYが必要です。ホストされたAPIへのアップロード上限は25 MBです。対応形式にはmp3、mp4、m4a、wav、webmなどがあります。話者ラベル用モデルでは--promptを使えません。互換プロキシやローカルゲートウェイの接続先はOPENAI_BASE_URLで指定できます。

この紹介文は、公開されている SKILL.md をもとに AI（Claude Haiku）が作成しました。正確な仕様は下の原文を確認してください。

含まれるファイル（2）

SKILL.md2.0 KB
scripts/transcribe.sh3.1 KB

SKILL.md（原文）

インストールする前に、エージェントに与えられる指示の中身を確認できます。

OpenAI transcriptions API

Transcribe audio through /v1/audio/transcriptions. Set OPENAI_BASE_URL for an OpenAI-compatible proxy or local gateway.

Quick start

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a

Defaults:

Model: gpt-4o-transcribe
Output: <input>.txt

Useful flags

{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe --out /tmp/transcript.txt
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-mini-transcribe
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe-diarize --json
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model whisper-1
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --language en
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --prompt "Speaker names: Peter, Daniel"
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --json --out /tmp/transcript.json

Notes:

Supported upload formats include mp3, mp4, mpeg, mpga, m4a, wav, webm.
25 MB upload limit on the hosted API.
Use diarize for speaker labels; script sends chunking_strategy=auto and rejects --prompt.

API key

Set OPENAI_API_KEY, or configure it in the active OpenClaw config file ($OPENCLAW_CONFIG_PATH, default ~/.openclaw/openclaw.json). Optionally set OPENAI_BASE_URL:

{
  skills: {
    "openai-whisper-api": {
      apiKey: "OPENAI_KEY_HERE",
    },
  },
}

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

ログインしてレビューを書く

同じリポジトリのスキル

概要と使いどころ