¿Cómo hago que Cursor transcriba audio y vídeo?
Añade el servidor MCP de KolWrite a ~/.cursor/mcp.json (o abre el enlace de instalación de más abajo). El agente de Cursor podrá transcribir las grabaciones de tu proyecto a texto, subtítulos 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 ~/.cursor/mcp.json (todos los proyectos) o .cursor/mcp.json (un proyecto). ${env:KOLWRITE_API_KEY} lee la clave del entorno desde el que se inició Cursor:
{
"mcpServers": {
"kolwrite": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
],
"env": {
"KOLWRITE_API_KEY": "${env:KOLWRITE_API_KEY}"
}
}
}
}
O abre este enlace en un navegador del ordenador donde tengas instalado Cursor; Cursor te pregunta antes de añadir el servidor: Add KolWrite to Cursor
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).
Si las herramientas no aparecen, inicia Cursor desde una terminal donde KOLWRITE_API_KEY esté definida, o abre Cursor Settings, MCP, y revisa el estado del servidor.
Añadir una regla al proyecto
Para que el agente también conozca la API cuando escriba código, añade una regla en .cursor/rules/kolwrite.mdc:
---
description: Speech-to-text with the KolWrite API
alwaysApply: false
---
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md first. The key is in KOLWRITE_API_KEY; never print it.
Qué pedirle
Tres cosas que puedes pedirle al agente de Cursor:
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 en el modo Ask?
Las herramientas MCP se ejecutan en el modo agente. Usa el agente para transcribir; en el modo Ask puedes leer la transcripción después.