¿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.
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 salida | Significado |
|---|---|
| 0 | Terminado; el resultado está en stdout o en el archivo de -o |
| 1 | Error de la API o de red; se muestra el mensaje de la propia API |
| 2 | Error de uso, o KOLWRITE_API_KEY no está definida |
| 3 | Sigue en curso tras --timeout; consúltalo más tarde con kolwrite.py job JOB_ID |
| 4 | El 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
| Trabajo | Modelo | Coste |
|---|---|---|
| Una entrevista de 30 minutos, texto plano | base | 0,24 US$ |
| Una reunión de una hora con identificación de hablantes | oracle | 1,56 US$ |
| Una charla de una hora en hebreo con subtítulos en inglés | oracle | 1,44 US$ |
| Una hora de audio con ruido y voces superpuestas | oracle_max | 3,60 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.