Wie lasse ich Gemini CLI Audio und Video transkribieren?
Fügen Sie den KolWrite-MCP-Server mit einem einzigen gemini mcp add-Befehl hinzu. Gemini CLI kann dann lokale Aufnahmen 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
Führen Sie den Befehl dort aus, wo KOLWRITE_API_KEY gesetzt ist; mit -s user steht der Server in jedem Projekt zur Verfügung:
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
Oder tragen Sie ihn von Hand in ~/.gemini/settings.json ein. Gemini CLI ersetzt $KOLWRITE_API_KEY durch den Wert aus Ihrer Umgebung:
{
"mcpServers": {
"kolwrite": {
"command": "npx",
"args": [
"-y",
"https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
],
"env": {
"KOLWRITE_API_KEY": "$KOLWRITE_API_KEY"
}
}
}
}
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).
Prüfen Sie ihn mit /mcp in Gemini CLI.
Die Regel in GEMINI.md ablegen
Damit Gemini CLI die API auch beim Schreiben von Code kennt, tragen Sie diese Zeile in die GEMINI.md des Projekts 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 Gemini CLI 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
Wird der Schlüssel in settings.json geschrieben?
Nicht in der Form $KOLWRITE_API_KEY: Gemini CLI liest den Wert beim Start des Servers aus Ihrer Umgebung. gemini mcp add -e speichert dagegen den Wert, den Sie übergeben.