Wie lasse ich Cursor Audio und Video transkribieren?
Tragen Sie den KolWrite-MCP-Server in ~/.cursor/mcp.json ein (oder öffnen Sie den Installationslink weiter unten). Der Cursor-Agent kann dann Aufnahmen in Ihrem Projekt in Text, 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 ~/.cursor/mcp.json (alle Projekte) oder .cursor/mcp.json (ein Projekt). ${env:KOLWRITE_API_KEY} liest den Schlüssel aus der Umgebung, in der Cursor gestartet wurde:
{
"mcpServers": {
"kolwrite": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
],
"env": {
"KOLWRITE_API_KEY": "${env:KOLWRITE_API_KEY}"
}
}
}
}
Oder öffnen Sie diesen Link in einem Browser auf dem Rechner, auf dem Cursor installiert ist; Cursor fragt nach, bevor es den Server hinzufügt: Add KolWrite to Cursor
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).
Erscheinen die Tools nicht, starten Sie Cursor aus einem Terminal, in dem KOLWRITE_API_KEY gesetzt ist, oder öffnen Sie Cursor Settings, dann MCP, und prüfen Sie den Serverstatus.
Eine Projektregel anlegen
Damit der Agent die API auch beim Schreiben von Code kennt, legen Sie eine Regel in .cursor/rules/kolwrite.mdc an:
---
description: Speech-to-text with the KolWrite API
alwaysApply: false
---
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md first. The key is in KOLWRITE_API_KEY; never print it.
Beispielanfragen
Drei Anfragen, die Sie Cursor 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 im Ask-Modus?
MCP-Tools laufen im Agent-Modus. Transkribieren Sie mit dem Agenten; im Ask-Modus können Sie das Transkript anschließend lesen.