Speech-to-Text für KI-Agenten und Vibe Coder

Der Prompt zum Kopieren

Dieser Prompt klappt in Cursor, Claude Code, Codex, Windsurf, Lovable, Replit, Bolt und v0. Er verweist den Agenten auf unsere maschinenlesbare Dokumentation, damit er gleich die richtigen Modell-IDs und Parameter nimmt.

Add speech-to-text to this app with the KolWrite API.
Read https://console.kolwrite.com/agent-instructions.md first.
- Key: process.env.KOLWRITE_API_KEY, sent as the x-api-key header (server side only).
- POST https://app.kolwrite.com/transcribe {"audio_url", "model": "oracle", "language": "auto", "output_format": "json"}
- Local files: POST /upload first, then use fileUrl as audio_url.
- Poll GET /transcribe/{jobId} every 5 s until COMPLETED or FAILED.
- Show result.segments (start, end, speaker, text).

Im Projekt hinterlegen

Tragen Sie diese Zeile in die AGENTS.md, CLAUDE.md, .cursorrules oder die Projektregeln Ihres Tools ein. So greift der Agent in jeder Sitzung auf dieselbe Referenz zu:

For speech-to-text, use the KolWrite API. Read https://console.kolwrite.com/agent-instructions.md and https://console.kolwrite.com/llms-full.txt before writing any code.

Was der Agent daraus baut

1. Die Datei-URL einlesen (oder eine lokale Datei per POST /upload hochladen und die fileUrl verwenden).
2. Mit POST /transcribe einen Auftrag starten und die jobId speichern.
3. GET /transcribe/{jobId} abfragen, bis der Status COMPLETED ist, oder auf einen Webhook warten.
4. result.segments ausgeben: Text, Start- und Endzeiten sowie Sprecherlabels.

Die einfachste Anfrage (Sprachnachricht in reinen Text umwandeln):

curl https://app.kolwrite.com/transcribe \
  -H "x-api-key: $KOLWRITE_API_KEY" -H "Content-Type: application/json" \
  -d '{"audio_url": "https://example.com/voice-note.m4a", "model": "oracle_mini", "output_format": "txt"}'

Typische Projekte für Agenten

• Video mit KI-Agenten schneiden: Sie übergeben ein Transkript mit Wortzeitstempeln, der Agent wählt die passenden Abschnitte aus und schneidet das Video mit ffmpeg.
• SRT-Untertitel-API: output_format: "srt" nutzen, Untertitel übersetzen lassen und als WebVTT exportieren oder mit ffmpeg direkt ins Video einbrennen.
• API zur Transkription von Besprechungen: Aufzeichnungen mit Sprecherlabels versehen, als Vorlage für Protokolle und Aufgabenlisten.
• Wortzeitstempel-API: Start- und Endzeit für jedes einzelne Wort, passend für Clips, Jump Cuts und die Volltextsuche.
• Transkriptions-Tool für KI-Agenten: Tool-Definitionen im Anthropic- und OpenAI-Format sowie der passende Eintrag für die AGENTS.md.

Woher Sie den API-Schlüssel bekommen

Agenten können sich nicht selbst registrieren. Ein Mensch muss unter console.kolwrite.com/auth ein Konto anlegen, Credits kaufen und unter „API-Schlüssel“ einen Schlüssel erzeugen. Speichern Sie diesen Schlüssel in einer Umgebungsvariablen (KOLWRITE_API_KEY) oder im Secret-Speicher Ihrer Plattform. Rufen Sie die API immer vom Server oder aus einer Serverless-Funktion auf, niemals direkt im Browser.

Kosten

Abgerechnet wird sekundengenau ohne Mindestumsatz. Die komplette Preisliste steht unter /llms/pricing.md.

Maschinenlesbare Referenzen

• llms.txt: Welcher Aufruf und welches Modell zu welcher Aufgabe passt.
• llms-full.txt: Die gesamte Referenz in einer einzigen Markdown-Datei.
• openapi.json: OpenAPI 3.1 für Codegeneratoren und Tool-Definitionen.
• agent-instructions.md: Der Prompt, die Modell-IDs und typische Stolpersteine.
• Jede Seite auf dieser Website gibt es auch als Markdown. Hängen Sie einfach .md an die Adresse an.

Fragen und Antworten