Agent-Skills.md

Agent Skills: Local Media Transcription

Transcribe local audio/video files to text, then optionally produce meeting minutes, action items, speaker separation, and PPT-ready summaries. Use when 文字起こし, transcription, transcribe mp4, meeting transcript, mp4から文字起こし, 録画から議事録, 話者分離, or diarization.

UncategorizedID: aktsmm/agent-skills/local-media-transcription

Repository

aktsmm/agent-skills
aktsmmLicense: NOASSERTION
213

Install this agent skill to your local

pnpm dlx add-skill https://github.com/aktsmm/Agent-Skills/tree/HEAD/local-media-transcription

Skill Files

Browse the full folder contents for local-media-transcription.

Download Skill

Loading file tree…

local-media-transcription/SKILL.md

Skill Metadata

Name
local-media-transcription
Description
"Transcribe local audio/video files to text, then optionally produce meeting minutes, action items, speaker separation, and PPT-ready summaries. Use when 文字起こし, transcription, transcribe mp4, meeting transcript, mp4から文字起こし, 録画から議事録, 話者分離, or diarization."

Local Media Transcription

ローカルにある音声/動画ファイルを文字起こしし、必要に応じて議事録・アクションアイテム・PPT要点まで整理する skill。

When to Use

  • 文字起こし, transcription, transcribe mp4, meeting transcript
  • mp4から文字起こし, 録画から議事録, whisperで書き起こし
  • Teams録画、Screenpresso録画、会議音声から要点を抽出したいとき
  • ローカル環境で完結させたいとき

Supported Inputs

  • MP4 / M4A / MP3 / WAV / WEBM
  • 日本語会議、社内ミーティング、顧客打合せ録画

Outputs

  • 生書き起こし .txt
  • 話者分離付き書き起こし .txt / .md
  • 議事録 .md
  • 顧客向け清書版議事録 .md
  • アクションアイテム .md
  • PowerPoint用要点 .md

Workflow

  1. 入力確認
  • 対象ファイルが存在するか確認する
  • 長さ、サイズ、更新日時を確認する
  1. ツール確認
  • ffmpeg, ffprobe, whisper CLI が使えるか確認する
  • 使えない場合は、ローカル書き起こしは中断して代替案を提示する
  1. メディア確認
  • ffprobe で duration を取得する
  • 長時間録画なら処理時間を見積もる
  1. 文字起こし実行
  • 日本語会議なら以下を基本形とする
$env:PYTHONIOENCODING='utf-8'
whisper "<media-file>" --language Japanese --task transcribe --model turbo --fp16 False --verbose False --output_format txt --output_dir "<output-dir>"
  1. 品質確認
  • 出力 .txt の先頭数十行を読んで破綻していないか確認する
  • 最低限、発話として読めるか、ファイルが空でないかを確認する
  1. 必要に応じて話者分離
  • 話者分離が必要なら、利用可能な diarization 手段を確認する
  • 使える場合は話者ラベル付きの書き起こしを生成する
  • 使えない場合は、話者分離なしで進めるか、制約を明示して中断する
  1. 必要に応じて整形
  • 議事録
  • 顧客向け清書版議事録
  • アクションアイテム
  • PPT要点
  • 断定しすぎず、音声認識揺れを補正して整理する

Decision Points

A. ツールがない場合

  • ffmpeg / whisper がない場合は中断
  • 代替として Teams文字起こしテキスト貼付 or 事前インストールを案内

B. 文字起こしだけでよい場合

  • .txt を出力して終了

C. 会議整理まで必要な場合

  • 以下の成果物を追加生成する
    • 議事録
    • 顧客向け清書版議事録
    • アクションアイテム
    • PPT要点

D. 話者分離が必要な場合

  • diarization ツールや既存環境を確認する
  • 使える場合は 話者A / 話者B などのラベルで一度出力する
  • 名前が確定していない段階では推定名を断定しない
  • 使えない場合は「話者分離なしで進める / 後で人手補正する」を明示する

E. 顧客向け資料に載せる場合

  • 固有名詞や音声認識誤りを目視補正する
  • 曖昧な箇所は断定せず「〜との認識」「〜との説明」などにする
  • 内部会話、未確定情報、雑談は削る
  • 顧客向けには「決定事項 / 検討事項 / 次回アクション」が一目で分かる形に整える

Completion Criteria

  • 入力メディアの存在確認が完了している
  • 書き起こし .txt が生成されている
  • 冒頭確認で致命的な破綻がない
  • 話者分離が必要な依頼では、可否判定か分離済み出力のどちらかが明示されている
  • 依頼があれば議事録 / 顧客向け清書版 / アクション / PPT要点まで生成されている

Quality Rules

  • 元音声にない断定を追加しない
  • 数値・固有名詞は誤認識の可能性を意識する
  • 顧客向け要約では、施策ありきで決めつけない
  • 顧客向け議事録では、内部相談や未承認事項をそのまま残さない
  • 話者分離では、人名確定できないラベルを勝手に実名化しない
  • 長時間音声では、まず文字起こし成功を優先し、その後に整理へ進む

References