איך נותנים ל־Gemini CLI לתמלל אודיו ווידאו?
מוסיפים את שרת ה־MCP של KolWrite בפקודה אחת, gemini mcp add. אחרי זה Gemini CLI יכול לתמלל הקלטות מקומיות לטקסט, לכתוביות SRT או לתרגום. החיוב הוא לפי שנייה מתוך הקרדיטים שלכם ב־KolWrite.
מה עושים פעם אחת
פותחים חשבון ויוצרים מפתח בעצמכם ב־console.kolwrite.com: נרשמים, טוענים קרדיטים, נכנסים ל־API Keys ויוצרים מפתח. סוכן לא יכול לעשות את זה במקומכם.
שומרים את המפתח בקובץ הפרופיל של ה־shell (~/.zshrc, ~/.bashrc) כדי שכל סשן של סוכן יוכל לקרוא אותו, ופותחים טרמינל חדש:
export KOLWRITE_API_KEY=... # paste the key from API Keys
הכלים קוראים את המפתח רק מהמשתנה הזה. אל תדביקו אותו בצ׳אט ואל תעלו אותו לריפוזיטורי.
מוסיפים את שרת ה־MCP
מריצים בטרמינל שבו KOLWRITE_API_KEY מוגדר. -s user הופך את השרת לזמין בכל פרויקט:
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
או מוסיפים אותו ידנית ל־~/.gemini/settings.json. Gemini CLI מרחיב את $KOLWRITE_API_KEY מהסביבה שלכם:
{
"mcpServers": {
"kolwrite": {
"command": "npx",
"args": [
"-y",
"https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
],
"env": {
"KOLWRITE_API_KEY": "$KOLWRITE_API_KEY"
}
}
}
}
השרת נותן לסוכן שישה כלים: transcribe_file, transcribe_url, upload_file, get_job, list_models, list_languages. הוא רץ על המחשב שלכם עם Node.js 18 ומעלה, והוא מורד מ־https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).
בודקים עם /mcp בתוך Gemini CLI.
משאירים את ההוראה ב־GEMINI.md
כדי ש־Gemini CLI יכיר את ה־API גם כשהוא כותב קוד, מוסיפים את השורה הזו ל־GEMINI.md בפרויקט:
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.
מה מבקשים
שלוש בקשות לדוגמה ל־Gemini CLI:
תמלל את ~/Downloads/interview.m4a עם KolWrite ושמור את הטקסט בקובץ interview.txt באותה תיקייה.
הכן כתוביות SRT באנגלית ל־talk.mp4 עם KolWrite, כתובית אחת לכל משפט.
מי אמר מה ב־team-call.mp3? תמלל אותו עם זיהוי דוברים במודל oracle, ואז רשום לכל דובר את המשימות שלו.
כמה זה עולה
| משימה | מודל | עלות |
|---|---|---|
| ראיון של 30 דקות, טקסט רגיל | base | 0.24 דולר |
| פגישה של שעה עם זיהוי דוברים | oracle | 1.56 דולר |
| הרצאה של שעה בעברית עם כתוביות באנגלית | oracle | 1.44 דולר |
| שעה של אודיו רועש עם דיבור חופף | oracle_max | 3.60 דולר |
החיוב הוא לפי שנייה של אודיו מתוך הקרדיטים שלכם, בלי מינימום. זיהוי דוברים מוסיף 0.10 קרדיטים לשעת אודיו. שרת ה־MCP ו־kolwrite.py משתמשים ב־base אלא אם אתם או הסוכן קובעים מודל אחר, וב־oracle_mini בתרגום. כל התעריפים: /he/models.
מה אסור לסוכן לעשות
- לבקש מכם את המפתח בצ׳אט, להדפיס אותו או לכתוב אותו לקובץ, לפקודה או ל־commit.
- להפעיל שוב את אותו תמלול אחרי timeout או שגיאת רשת. כל הפעלה היא משימה חדשה שמחויבת בנפרד, ולכן במקום זה צריך לבדוק את המשימה הקיימת או לשאול אתכם.
- להקליד חותמות זמן בעצמו. כדי לחתוך או לצטט לפי זמן הוא לוקח מספרי מקטעים מהתמליל ומחשב את הזמנים בקוד, לפי זמני המילים.
- לשלוח כתובת של YouTube או של דף אינטרנט אחר בתור המדיה. צריך את קובץ המדיה עצמו.
- לתמלל הקלטות ארוכות (מעל שעה) בלי לומר לכם קודם מה העלות הצפויה.
שאלות ותשובות
האם המפתח נכתב ל־settings.json?
לא בצורה $KOLWRITE_API_KEY: Gemini CLI קורא את הערך מהסביבה שלכם כשהוא מפעיל את השרת. הפקודה gemini mcp add -e שומרת את הערך שמעבירים לה.