Wie baue ich einen eigenen GPT, der Audio transkribiert?
Erstellen Sie einen eigenen GPT, importieren Sie https://console.kolwrite.com/openapi.json als Action, setzen Sie Ihren Schlüssel im Header x-api-key und fügen Sie die Anweisungen weiter unten ein. Der GPT kann dann Mediendateien aus dem Internet transkribieren, untertiteln und übersetzen, mit Ihren KolWrite-Credits. Eine Action sendet nur JSON, daher funktioniert das mit Links auf Mediendateien, nicht mit Dateien, die Sie im Chat anhängen.
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.
Den Schlüssel fügen Sie in den GPT-Editor ein, nicht in einen Chat.
GPT und Action erstellen
- Öffnen Sie in ChatGPT Explore GPTs, dann Create und den Tab Configure. Zum Erstellen von GPTs ist ein kostenpflichtiger ChatGPT-Tarif nötig.
- Wählen Sie unter Actions Create new action, dann Import from URL, und geben Sie
https://console.kolwrite.com/openapi.jsonein. - Authentication: API Key, Auth Type Custom, Custom Header Name
x-api-key, und fügen Sie Ihren KolWrite-Schlüssel ein. - Privacy policy:
https://www.kolwrite.com/tos_pp.html. - Fügen Sie die Anweisungen weiter unten in das Feld Instructions ein.
- Share: Only me. Jeder, der den GPT nutzen kann, verbraucht Ihre Credits.
Anweisungen zum Einfügen
You transcribe audio and video with the KolWrite API actions.
- The person gives a direct link to a media file (mp3, m4a, wav, mp4, mov...). A YouTube or other web page link is not a media file: say so and ask for the file's own link.
- Start with createTranscription. Always send model: "oracle" unless the person asks for cheaper ("base") or hardest audio ("oracle_max"). For subtitles send output_format "srt" and word_timestamps false. For "who said what" send include_diarization true. To translate, send translate_to with the language code.
- After you start a job, tell the person the jobId and call getTranscription. If status is PENDING or IN_PROGRESS, say it is still running and check again when the person asks.
- When status is COMPLETED, show the result (for srt, in a code block) and the creditsUsed value. When FAILED, show the error text as it is.
- Never start the same job twice: each start is billed. If an action call fails, show the error; do not retry createTranscription.
- Tell the person the expected cost before transcribing more than an hour: base US$0.48, oracle US$1.44, oracle_max US$3.60 per hour of audio.
Beispielanfragen
Drei Anfragen, die Sie dem GPT stellen können (mit Ihren eigenen Links):
Transkribiere https://example.com/episode-12.mp3
Erstelle englische SRT-Untertitel für https://example.com/talk-he.mp4
Wer spricht in https://example.com/call.wav, und was hat jeder zugesagt?
Was funktioniert und was nicht
- Funktioniert: Links auf Mediendateien, die aus dem Internet erreichbar sind, alle 100 Sprachen, Untertitel, Sprechererkennung und Übersetzung.
- Funktioniert nicht: Dateien, die Sie in den Chat hochladen. Die Action kann sie nicht an KolWrite weitergeben. Für lokale Dateien nutzen Sie einen Link oder Claude Code, Codex bzw. kolwrite.py.
- Lange Aufnahmen dauern einige Minuten. Der GPT kann nicht im Hintergrund warten; bitten Sie ihn, den Job erneut abzufragen.
- Sehr große JSON-Ergebnisse passen unter Umständen nicht in eine GPT-Antwort; fordern Sie stattdessen txt oder srt an.
Was es kostet
| Aufgabe | Modell | Kosten |
|---|---|---|
| Ein 30-minütiges Interview als reiner Text | base | 0,24 US$ |
| 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. Alle Preise: /de/models.
Was der GPT nicht tun darf
- 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.
- 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.
- An andere weitergegeben werden, solange er Ihren Schlüssel enthält.
Fragen und Antworten
Ist das dasselbe wie der KolWrite-Connector für ChatGPT?
Nein. Hier bauen Sie einen GPT mit Ihrem API-Schlüssel und Ihren Credits. Der Connector für das persönliche KolWrite-Konto einer Person ist in agent-instructions.md beschrieben.
Kann ich dieselbe openapi.json in anderen Tools verwenden?
Ja. Es handelt sich um eine OpenAPI-3.1-Datei mit Beispielen und den echten Fehlerantworten; jedes Tool, das OpenAPI importiert und einen x-api-key-Header sendet, kann sie nutzen.