Wie transkribiert jeder KI-Agent Audio mit KolWrite?
Wenn der Agent einen Shell-Befehl ausführen kann, geben Sie ihm kolwrite.py: eine einzige Python-Datei, nur mit der Standardbibliothek, die eine Datei hochlädt, den Job startet, wartet und das Ergebnis schreibt. Für Agenten, die Skills laden, gibt es dieselbe Datei als Skill kolwrite-transcribe verpackt, und für alles andere die REST-API mit ihrer OpenAPI-Datei.
Was Sie einmal tun
Legen Sie das Konto und den Schlüssel selbst auf console.kolwrite.com an: registrieren, Credits aufladen, API Keys öffnen und einen Schlüssel erstellen. Das kann ein Agent nicht für Sie erledigen.
Tragen Sie den Schlüssel in die Profildatei Ihrer Shell ein (~/.zshrc, ~/.bashrc), damit jede Agenten-Sitzung ihn lesen kann, und öffnen Sie ein neues Terminal:
export KOLWRITE_API_KEY=... # paste the key from API Keys
Die Tools lesen den Schlüssel nur aus dieser Variablen. Fügen Sie ihn nicht in einen Chat ein und committen Sie ihn nicht in ein Repository.
kolwrite.py herunterladen und prüfen
curl -fsSLO https://console.kolwrite.com/cli/kolwrite.py
echo "721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78 kolwrite.py" | shasum -a 256 -c -
SHA-256: 721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78. Python 3.9 oder neuer, keine Pakete zu installieren. Quelle: kolwrite.py.
Die Befehle, die der Agent ausführt
python3 kolwrite.py transcribe meeting.m4a --model oracle --speakers --format json -o meeting.json
python3 kolwrite.py transcribe talk.mp4 --format srt -o talk.srt
python3 kolwrite.py transcribe interview.m4a --language he --translate-to en
python3 kolwrite.py transcribe https://example.com/podcast.mp3 --json
python3 kolwrite.py job JOB_ID
python3 kolwrite.py models
| Exit-Code | Bedeutung |
|---|---|
| 0 | Fertig; das Ergebnis wird auf stdout oder in die mit -o angegebene Datei geschrieben |
| 1 | API- oder Netzwerkfehler; die Meldung der API wird ausgegeben |
| 2 | Fehlerhafte Verwendung, oder KOLWRITE_API_KEY ist nicht gesetzt |
| 3 | Läuft nach --timeout noch; später mit kolwrite.py job JOB_ID prüfen |
| 4 | Der Job ist fehlgeschlagen; der Grund wird ausgegeben |
Der Skill für Agenten
Agenten, die Agent Skills laden (Claude Code aus ~/.claude/skills, Codex aus ~/.agents/skills), können den ganzen Ordner übernehmen: SKILL.md plus scripts/kolwrite.py, gepackt als kolwrite-transcribe.zip. Er ist in /.well-known/agent-skills/index.json aufgeführt.
curl -fsSLO https://console.kolwrite.com/skills/kolwrite-transcribe.zip && unzip -o kolwrite-transcribe.zip
Die Regel für AGENTS.md oder CLAUDE.md
For speech-to-text use the KolWrite API.
- Run python3 kolwrite.py (from https://console.kolwrite.com/cli/kolwrite.py, SHA-256 721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78) or call the API as https://console.kolwrite.com/agent-instructions.md describes.
- The key is in KOLWRITE_API_KEY. Never print it or write it to a file.
- Tell me the expected cost before transcribing more than an hour of audio.
Agenten, die ihre HTTP-Aufrufe selbst bauen, nutzen openapi.json (OpenAPI 3.1 mit Beispielen und den echten Fehlercodes) und llms-full.txt.
Was es kostet
| Aufgabe | Modell | Kosten |
|---|---|---|
| Ein 30-minütiges Interview als reiner Text | base | 0,24 US$ |
| Eine einstündige Besprechung mit Sprechererkennung | oracle | 1,56 US$ |
| Ein einstündiger Vortrag auf Hebräisch mit englischen Untertiteln | oracle | 1,44 US$ |
| Eine Stunde verrauschtes Audio mit sich überlagernden Stimmen | oracle_max | 3,60 US$ |
Abgerechnet wird sekundengenau nach Audiolänge von Ihren Credits, ohne Mindestbetrag. Die Sprechererkennung kostet 0,10 Credits pro Audiostunde extra. Der MCP-Server und kolwrite.py verwenden base, solange nicht Sie oder der Agent ein anderes Modell nennen, und oracle_mini beim Übersetzen. Alle Preise: /de/models.
Was der Agent nicht tun darf
- Sie im Chat nach dem Schlüssel fragen, ihn ausgeben oder in eine Datei, einen Befehl oder einen Commit schreiben.
- Dieselbe Transkription nach einem Timeout oder Netzwerkfehler erneut starten. Jeder Start ist ein neuer, kostenpflichtiger Job; stattdessen soll er den bestehenden Job abfragen oder bei Ihnen nachfragen.
- Zeitstempel selbst eintippen. Um nach Zeit zu schneiden oder zu zitieren, nimmt er die Segmentnummern aus dem Transkript und berechnet die Zeiten im Code aus den Wortzeiten.
- Die Adresse eines YouTube-Videos oder einer anderen Webseite als Medium senden. Benötigt wird die Mediendatei selbst.
- Lange Aufnahmen (über eine Stunde) transkribieren, ohne Ihnen vorher die erwarteten Kosten zu nennen.
Fragen und Antworten
Warum eine einzelne Datei statt eines Pakets?
Es gibt nichts zu installieren und nichts, das sich unbemerkt ändert: Der Agent lädt eine Datei herunter, prüft ihren Hash und führt sie aus. Ein SDK-Paket auf npm oder PyPI gibt es noch nicht.
Was sendet kolwrite.py, und wohin?
Nur die Datei und die Optionen, die Sie angeben, an die KolWrite-API unter app.kolwrite.com, mit Ihrem Schlüssel im Header x-api-key. Dateien über 4 MiB gehen ohne den Schlüssel an das signierte Upload-Formular, das die API zurückgibt.