¿Cómo hago que Gemini CLI transcriba audio y vídeo?

Añade el servidor MCP de KolWrite con un solo comando, gemini mcp add. Gemini CLI podrá transcribir grabaciones locales a texto, subtítulos SRT o traducciones. Se cobra por segundo de tus créditos de KolWrite.

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.

Añadir el servidor MCP

Ejecuta esto donde KOLWRITE_API_KEY esté definida; -s user lo deja disponible en todos los proyectos:

gemini mcp add -s user -e KOLWRITE_API_KEY="$KOLWRITE_API_KEY" kolwrite npx -y https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz

O añádelo a mano en ~/.gemini/settings.json. Gemini CLI sustituye $KOLWRITE_API_KEY por el valor de tu entorno:

{
  "mcpServers": {
    "kolwrite": {
      "command": "npx",
      "args": [
        "-y",
        "https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
      ],
      "env": {
        "KOLWRITE_API_KEY": "$KOLWRITE_API_KEY"
      }
    }
  }
}

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).

Compruébalo con /mcp dentro de Gemini CLI.

Añadir la regla en GEMINI.md

Para que Gemini CLI también conozca la API cuando escriba código, añade esta línea a GEMINI.md en el proyecto:

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 Gemini CLI:

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

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

¿Se escribe la clave en settings.json?

No con la forma $KOLWRITE_API_KEY: Gemini CLI lee el valor de tu entorno cuando inicia el servidor. gemini mcp add -e guarda el valor que le pases.