Comment faire transcrire de l’audio et de la vidéo par Codex ?
Ajoutez quatre lignes à ~/.codex/config.toml (ou lancez codex mcp add), ou placez la skill kolwrite-transcribe dans ~/.agents/skills. Codex peut alors transformer les enregistrements de votre dépôt en texte, en sous-titres SRT ou en traductions. La facturation se fait à la seconde, sur vos crédits KolWrite.
Obtenir une clé API Démarrage rapide Langues prises en charge
Ce que vous faites une seule fois
Créez le compte et la clé vous-même sur console.kolwrite.com : inscrivez-vous, ajoutez des crédits, ouvrez API Keys et créez une clé. Un agent ne peut pas le faire à votre place.
Placez la clé dans le fichier de profil de votre shell (~/.zshrc, ~/.bashrc) pour que chaque session d’agent que vous lancez puisse la lire, puis ouvrez un nouveau terminal :
export KOLWRITE_API_KEY=... # paste the key from API Keys
Les outils lisent la clé uniquement dans cette variable. Ne la collez pas dans un chat et ne la committez pas dans un dépôt.
Ajouter le serveur MCP
Dans ~/.codex/config.toml. env_vars transmet KOLWRITE_API_KEY depuis le shell où vous lancez Codex, si bien que la clé n’est pas écrite dans le fichier :
[mcp_servers.kolwrite]
command = "npx"
args = ["-y", "https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"]
env_vars = ["KOLWRITE_API_KEY"]
Ou avec une seule commande (elle enregistre la clé dans config.toml) :
codex mcp add kolwrite --env KOLWRITE_API_KEY="$KOLWRITE_API_KEY" -- npx -y https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz
Le serveur donne à l’agent six outils : transcribe_file, transcribe_url, upload_file, get_job, list_models, list_languages. Il s’exécute sur votre ordinateur avec Node.js 18 ou une version plus récente et se télécharge depuis https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).
Ou installer la skill
Codex lit les skills dans ~/.agents/skills (tous les projets) ou .agents/skills dans le dépôt :
mkdir -p ~/.agents/skills && cd ~/.agents/skills
curl -fsSLO https://console.kolwrite.com/skills/kolwrite-transcribe.zip && unzip -o kolwrite-transcribe.zip && rm kolwrite-transcribe.zip
Si une nouvelle skill n’apparaît pas, redémarrez Codex.
Garder la consigne dans AGENTS.md
Pour que chaque session Codex du dépôt connaisse l’API même sans outil, ajoutez cette ligne à AGENTS.md :
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md before writing code. The key is in KOLWRITE_API_KEY.
Que lui demander
Trois demandes à essayer avec Codex :
Transcris ~/Downloads/interview.m4a avec KolWrite et enregistre le texte dans interview.txt à côté du fichier.
Génère des sous-titres SRT en anglais pour talk.mp4 avec KolWrite, un sous-titre par phrase.
Qui a dit quoi dans team-call.mp3 ? Transcris-le avec identification des locuteurs sur le modèle oracle, puis liste les actions à mener pour chaque intervenant.
Combien ça coûte
| Tâche | Modèle | Coût |
|---|---|---|
| Un entretien de 30 minutes, texte brut | base | 0,24 US$ |
| Une réunion d’une heure avec identification des locuteurs | oracle | 1,56 US$ |
| Une conférence d’une heure en hébreu avec sous-titres en anglais | oracle | 1,44 US$ |
| Une heure d’audio bruyant avec des voix qui se chevauchent | oracle_max | 3,60 US$ |
La facturation se fait à la seconde d’audio, sur vos crédits, sans minimum. L’identification des locuteurs ajoute 0,10 crédit par heure d’audio. Le serveur MCP et kolwrite.py utilisent base tant que vous ou l’agent n’indiquez pas un autre modèle, et oracle_mini pour traduire. Tous les tarifs : /fr/models.
Ce que l’agent ne doit pas faire
- Vous demander la clé dans le chat, l’afficher, ou l’écrire dans un fichier, une commande ou un commit.
- Relancer la même transcription après un timeout ou une erreur réseau. Chaque lancement crée un nouveau job facturé ; il doit plutôt vérifier le job existant ou vous demander.
- Saisir lui-même des horodatages. Pour couper ou citer à un moment précis, il reprend les numéros de segments de la transcription et calcule les temps dans le code à partir des horodatages des mots.
- Envoyer comme média l’adresse d’une vidéo YouTube ou d’une autre page web. Il lui faut le fichier média lui-même.
- Transcrire de longs enregistrements (plus d’une heure) sans vous indiquer d’abord le coût prévu.
Questions et réponses
Cela fonctionne-t-il aussi dans l’extension Codex pour IDE ?
L’extension lit le même ~/.codex/config.toml, le serveur MCP y est donc disponible aussi.
Codex peut-il écrire du code qui appelle l’API dans mon app ?
Oui. Indiquez-lui agent-instructions.md et openapi.json. Le serveur MCP sert à transcrire des fichiers pendant que vous travaillez ; ce n’est pas une bibliothèque à intégrer à votre app.