كيف أجعل Gemini CLI يفرّغ الصوت والفيديو؟
أضف خادم MCP من KolWrite بأمر واحد هو gemini mcp add. بعدها يستطيع Gemini CLI تفريغ التسجيلات المحلية إلى نص أو ترجمات SRT أو ترجمة إلى لغة أخرى، وتُحتسب التكلفة بالثانية من رصيدك في KolWrite.
ما تفعله مرة واحدة
أنشئ الحساب والمفتاح بنفسك من console.kolwrite.com: سجّل، وأضف رصيدًا، ثم افتح «API Keys» وأنشئ مفتاحًا. لا يستطيع الوكيل القيام بذلك نيابةً عنك.
احفظ المفتاح في ملف إعدادات الـ shell (~/.zshrc أو ~/.bashrc) لتتمكن كل جلسة وكيل تبدأها من قراءته، ثم افتح نافذة طرفية جديدة:
export KOLWRITE_API_KEY=... # paste the key from API Keys
تقرأ الأدوات المفتاح من هذا المتغير فقط. لا تلصقه في محادثة ولا تضعه في مستودع.
إضافة خادم MCP
شغّل الأمر حيث يكون KOLWRITE_API_KEY مضبوطًا. يجعل الخيار -s user الخادم متاحًا في كل مشروع:
gemini mcp add -s user -e KOLWRITE_API_KEY="$KOLWRITE_API_KEY" kolwrite npx -y https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz
أو أضفه يدويًا إلى ~/.gemini/settings.json. يستبدل Gemini CLI القيمة $KOLWRITE_API_KEY من بيئتك:
{
"mcpServers": {
"kolwrite": {
"command": "npx",
"args": [
"-y",
"https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
],
"env": {
"KOLWRITE_API_KEY": "$KOLWRITE_API_KEY"
}
}
}
}
يمنح الخادم الوكيل ستّ أدوات: transcribe_file، transcribe_url، upload_file، get_job، list_models، list_languages. يعمل على جهازك بإصدار Node.js 18 أو أحدث، وتُنزَّل حزمته من https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).
تحقق منه بالأمر /mcp داخل Gemini CLI.
إبقاء القاعدة في GEMINI.md
لكي يعرف Gemini CLI الـ API عندما يكتب كودًا أيضًا، أضف هذا السطر إلى GEMINI.md في المشروع:
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md before writing code. The key is in KOLWRITE_API_KEY.
ماذا تطلب
ثلاثة طلبات يمكنك تجربتها مع Gemini CLI:
فرّغ الملف ~/Downloads/interview.m4a بواسطة KolWrite واحفظ النص في interview.txt بجانبه.
أنشئ ترجمات SRT بالإنجليزية للملف talk.mp4 بواسطة KolWrite، بحيث تكون كل جملة في مقطع ترجمة مستقل.
من قال ماذا في team-call.mp3؟ فرّغه مع تمييز المتحدثين بالنموذج oracle، ثم اذكر المهام المطلوبة من كل متحدث.
التكلفة
| المهمة | النموذج | التكلفة |
|---|---|---|
| مقابلة مدتها 30 دقيقة، نص عادي | base | 0.24 دولار |
| اجتماع مدته ساعة مع تمييز المتحدثين | oracle | 1.56 دولار |
| محاضرة بالعبرية مدتها ساعة مع ترجمات نصية بالإنجليزية | oracle | 1.44 دولار |
| ساعة من صوت مشوَّش وكلام متداخل | oracle_max | 3.60 دولار |
تُحتسب التكلفة بالثانية من مدة الصوت وتُخصم من رصيدك، دون حدّ أدنى. يضيف تمييز المتحدثين 0.10 رصيد لكل ساعة صوت. يستخدم خادم MCP وملف kolwrite.py النموذج base ما لم تحدد أنت أو الوكيل نموذجًا آخر، والنموذج oracle_mini عند الترجمة. الأسعار كاملةً: /ar/models.
ما يجب ألا يفعله الوكيل
- أن يطلب منك المفتاح في المحادثة، أو يطبعه، أو يكتبه في ملف أو أمر أو commit.
- أن يعيد بدء التفريغ نفسه بعد انتهاء المهلة أو حدوث خطأ في الشبكة. كل بدء يُنشئ مهمة جديدة تُحتسب تكلفتها، لذا عليه أن يتحقق من حالة المهمة القائمة أو يسألك.
- أن يكتب الطوابع الزمنية بنفسه. لقصّ مقطع أو اقتباسه بحسب الوقت، يأخذ أرقام المقاطع من التفريغ ويحسب الأوقات في الكود من أوقات الكلمات.
- أن يرسل رابط YouTube أو أي صفحة ويب أخرى على أنه الملف. المطلوب هو ملف الوسائط نفسه.
- أن يفرّغ تسجيلات طويلة (أكثر من ساعة) دون أن يخبرك بالتكلفة المتوقعة أولًا.
أسئلة وأجوبة
هل يُكتب المفتاح في settings.json؟
ليس مع الصيغة $KOLWRITE_API_KEY: يقرأ Gemini CLI القيمة من بيئتك عند تشغيل الخادم. أما gemini mcp add -e فيحفظ القيمة التي تمررها.