Wie lasse ich Codex Audio und Video transkribieren?
Tragen Sie vier Zeilen in ~/.codex/config.toml ein (oder führen Sie codex mcp add aus) oder legen Sie den Skill kolwrite-transcribe in ~/.agents/skills ab. Codex kann dann Aufnahmen in Ihrem Repository in Text, SRT-Untertitel oder Übersetzungen umwandeln. Abgerechnet wird sekundengenau von Ihren KolWrite-Credits.
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.
MCP-Server hinzufügen
In ~/.codex/config.toml. env_vars reicht KOLWRITE_API_KEY aus der Shell durch, in der Sie Codex starten, sodass der Schlüssel nicht in der Datei steht:
[mcp_servers.kolwrite]
command = "npx"
args = ["-y", "https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"]
env_vars = ["KOLWRITE_API_KEY"]
Oder mit einem Befehl (dieser speichert den Schlüssel in config.toml):
codex mcp add kolwrite --env KOLWRITE_API_KEY="$KOLWRITE_API_KEY" -- npx -y https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz
Der Server stellt dem Agenten sechs Tools bereit: transcribe_file, transcribe_url, upload_file, get_job, list_models, list_languages. Er läuft auf Ihrem Rechner mit Node.js ab Version 18 und wird von https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz geladen (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).
Oder den Skill installieren
Codex liest Skills aus ~/.agents/skills (alle Projekte) oder .agents/skills im Repository:
mkdir -p ~/.agents/skills && cd ~/.agents/skills
curl -fsSLO https://console.kolwrite.com/skills/kolwrite-transcribe.zip && unzip -o kolwrite-transcribe.zip && rm kolwrite-transcribe.zip
Erscheint ein neuer Skill nicht, starten Sie Codex neu.
Die Regel in AGENTS.md ablegen
Damit jede Codex-Sitzung im Repository die API auch ohne Tool kennt, tragen Sie diese Zeile in AGENTS.md ein:
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md before writing code. The key is in KOLWRITE_API_KEY.
Beispielanfragen
Drei Anfragen, die Sie Codex stellen können:
Transkribiere ~/Downloads/interview.m4a mit KolWrite und speichere den Text als interview.txt im selben Ordner.
Erstelle englische SRT-Untertitel für talk.mp4 mit KolWrite, ein Untertitel pro Satz.
Wer hat in team-call.mp3 was gesagt? Transkribiere die Datei mit Sprechererkennung und dem Modell oracle und liste dann die Aufgaben jedes Sprechers auf.
Was es kostet
| Aufgabe | Modell | Kosten |
|---|---|---|
| Ein 30-minütiges Interview als reiner Text | base | 0,24 US$ |
| 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
Funktioniert das auch in der Codex-Erweiterung für die IDE?
Die Erweiterung liest dieselbe ~/.codex/config.toml, der MCP-Server steht dort also ebenfalls zur Verfügung.
Kann Codex Code schreiben, der die API in meiner App aufruft?
Ja. Verweisen Sie Codex auf agent-instructions.md und openapi.json. Der MCP-Server dient dazu, Dateien während der Arbeit zu transkribieren, und ist keine Bibliothek für Ihre App.