¿Cómo transcribe audio con KolWrite cualquier agente de IA?

Si el agente puede ejecutar un comando de shell, dale kolwrite.py: un único archivo de Python, solo con la biblioteca estándar, que sube el archivo, inicia el trabajo, espera y escribe el resultado. Para los agentes que cargan skills está el mismo archivo empaquetado como la skill kolwrite-transcribe, y para todo lo demás, la API REST y su archivo OpenAPI.

Obtener una clave de API Inicio rápido Idiomas compatibles

Última actualización: · Markdown

Lo que haces una sola vez

Crea tú la cuenta y la clave en console.kolwrite.com: regístrate, añade créditos, abre API Keys y crea una clave. Un agente no puede hacerlo por ti.

Guarda la clave en el perfil de tu shell (~/.zshrc, ~/.bashrc) para que todas las sesiones de agente que abras puedan leerla, y abre una terminal nueva:

export KOLWRITE_API_KEY=...   # paste the key from API Keys

Las herramientas leen la clave solo de esta variable. No la pegues en un chat ni la subas a un repositorio.

Descargar kolwrite.py y verificarlo

curl -fsSLO https://console.kolwrite.com/cli/kolwrite.py
echo "721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78  kolwrite.py" | shasum -a 256 -c -

SHA-256: 721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78. Requiere Python 3.9 o posterior y no hay paquetes que instalar. Código fuente: kolwrite.py.

Los comandos que ejecuta el agente

python3 kolwrite.py transcribe meeting.m4a --model oracle --speakers --format json -o meeting.json
python3 kolwrite.py transcribe talk.mp4 --format srt -o talk.srt
python3 kolwrite.py transcribe interview.m4a --language he --translate-to en
python3 kolwrite.py transcribe https://example.com/podcast.mp3 --json
python3 kolwrite.py job JOB_ID
python3 kolwrite.py models
Código de salidaSignificado
0Terminado; el resultado está en stdout o en el archivo de -o
1Error de la API o de red; se muestra el mensaje de la propia API
2Error de uso, o KOLWRITE_API_KEY no está definida
3Sigue en curso tras --timeout; consúltalo más tarde con kolwrite.py job JOB_ID
4El trabajo falló; se muestra el motivo

La skill de agente

Los agentes que cargan Agent Skills (Claude Code desde ~/.claude/skills, Codex desde ~/.agents/skills) pueden usar la carpeta completa: SKILL.md más scripts/kolwrite.py, comprimidos en kolwrite-transcribe.zip. Figura en /.well-known/agent-skills/index.json.

curl -fsSLO https://console.kolwrite.com/skills/kolwrite-transcribe.zip && unzip -o kolwrite-transcribe.zip

La regla para AGENTS.md o CLAUDE.md

For speech-to-text use the KolWrite API.
- Run python3 kolwrite.py (from https://console.kolwrite.com/cli/kolwrite.py, SHA-256 721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78) or call the API as https://console.kolwrite.com/agent-instructions.md describes.
- The key is in KOLWRITE_API_KEY. Never print it or write it to a file.
- Tell me the expected cost before transcribing more than an hour of audio.

Los agentes que construyen sus propias llamadas HTTP usan openapi.json (OpenAPI 3.1 con ejemplos y los códigos de error reales) y llms-full.txt.

Cuánto cuesta

TrabajoModeloCoste
Una entrevista de 30 minutos, texto planobase0,24 US$
Una reunión de una hora con identificación de hablantesoracle1,56 US$
Una charla de una hora en hebreo con subtítulos en inglésoracle1,44 US$
Una hora de audio con ruido y voces superpuestasoracle_max3,60 US$

Se cobra por segundo de audio y se descuenta de tus créditos, sin mínimo. La identificación de hablantes suma 0,10 créditos por hora de audio. El servidor MCP y kolwrite.py usan base salvo que se indique otro modelo, y oracle_mini al traducir. Todas las tarifas: /es/models.

Lo que el agente no debe hacer

  • Pedirte la clave en el chat, mostrarla o escribirla en un archivo, un comando o un commit.
  • Volver a iniciar la misma transcripción tras un timeout o un error de red. Cada inicio es un trabajo nuevo y se cobra; debe consultar el trabajo existente o preguntarte.
  • Escribir marcas de tiempo por su cuenta. Para recortar o citar por tiempo, toma los números de segmento de la transcripción y calcula los tiempos en código a partir de los tiempos de cada palabra.
  • Enviar como archivo la dirección de un vídeo de YouTube o de cualquier otra página web. Necesita el archivo multimedia en sí.
  • Transcribir grabaciones largas (de más de una hora) sin decirte antes cuánto va a costar.

Preguntas y respuestas

¿Por qué un solo archivo en lugar de un paquete?

No hay nada que instalar y nada que cambie sin que lo notes: el agente descarga un archivo, comprueba su hash y lo ejecuta. Todavía no hay ningún paquete SDK en npm ni en PyPI.

¿Qué envía kolwrite.py y adónde?

Solo el archivo y las opciones que le des, a la API de KolWrite en app.kolwrite.com, con tu clave en la cabecera x-api-key. Los archivos de más de 4 MiB van al formulario de almacenamiento firmado que devuelve la API, sin la clave.