¿Cómo hago que Codex transcriba audio y vídeo?
Añade cuatro líneas a ~/.codex/config.toml (o ejecuta codex mcp add), o coloca la skill kolwrite-transcribe en ~/.agents/skills. Codex podrá convertir las grabaciones de tu repositorio en texto, subtítulos SRT o traducciones. Se cobra por segundo de tus créditos de KolWrite.
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.
Añadir el servidor MCP
En ~/.codex/config.toml. env_vars pasa KOLWRITE_API_KEY desde el shell en el que inicias Codex, así que la clave no se escribe en el archivo:
[mcp_servers.kolwrite]
command = "npx"
args = ["-y", "https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"]
env_vars = ["KOLWRITE_API_KEY"]
O con un solo comando (este guarda la clave en config.toml):
codex mcp add kolwrite --env KOLWRITE_API_KEY="$KOLWRITE_API_KEY" -- npx -y https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz
El servidor da al agente seis herramientas: transcribe_file, transcribe_url, upload_file, get_job, list_models, list_languages. Se ejecuta en tu ordenador con Node.js 18 o posterior y se descarga de https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).
O instalar la skill
Codex lee las skills de ~/.agents/skills (todos los proyectos) o de .agents/skills en el repositorio:
mkdir -p ~/.agents/skills && cd ~/.agents/skills
curl -fsSLO https://console.kolwrite.com/skills/kolwrite-transcribe.zip && unzip -o kolwrite-transcribe.zip && rm kolwrite-transcribe.zip
Si una skill nueva no aparece, reinicia Codex.
Añadir la regla en AGENTS.md
Para que todas las sesiones de Codex en el repositorio conozcan la API aunque no haya herramienta, añade esta línea a AGENTS.md:
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md before writing code. The key is in KOLWRITE_API_KEY.
Qué pedirle
Tres cosas que puedes pedirle a Codex:
Transcribe ~/Downloads/interview.m4a con KolWrite y guarda el texto como interview.txt en la misma carpeta.
Genera subtítulos SRT en inglés para talk.mp4 con KolWrite, un subtítulo por frase.
¿Quién dijo qué en team-call.mp3? Transcríbelo con el modelo oracle e identificación de hablantes y luego haz una lista de las tareas de cada persona.
Cuánto cuesta
| Trabajo | Modelo | Coste |
|---|---|---|
| Una entrevista de 30 minutos, texto plano | base | 0,24 US$ |
| 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
¿Funciona también en la extensión de Codex para el IDE?
La extensión lee el mismo ~/.codex/config.toml, así que el servidor MCP también está disponible ahí.
¿Puede Codex escribir código que llame a la API en mi app?
Sí. Indícale agent-instructions.md y openapi.json. El servidor MCP sirve para transcribir archivos mientras trabajas; no es una librería para integrar en tu app.