Come faccio a far trascrivere audio e video a Gemini CLI?
Aggiungi il server MCP di KolWrite con un solo comando, gemini mcp add. Gemini CLI potrà trascrivere registrazioni locali in testo, sottotitoli SRT o traduzioni. Si paga al secondo, dai tuoi crediti KolWrite.
Cosa fai una volta sola
Crea tu l’account e la chiave su console.kolwrite.com: registrati, aggiungi crediti, apri API Keys e crea una chiave. Un agente non può farlo al posto tuo.
Metti la chiave nel file di profilo della tua shell (~/.zshrc, ~/.bashrc) in modo che ogni sessione di agente che avvii possa leggerla, poi apri un nuovo terminale:
export KOLWRITE_API_KEY=... # paste the key from API Keys
Gli strumenti leggono la chiave solo da questa variabile. Non incollarla in una chat e non farne il commit in un repository.
Aggiungere il server MCP
Esegui il comando dove KOLWRITE_API_KEY è impostata; -s user lo rende disponibile in tutti i progetti:
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
Oppure aggiungilo a mano in ~/.gemini/settings.json. Gemini CLI espande $KOLWRITE_API_KEY dal tuo ambiente:
{
"mcpServers": {
"kolwrite": {
"command": "npx",
"args": [
"-y",
"https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
],
"env": {
"KOLWRITE_API_KEY": "$KOLWRITE_API_KEY"
}
}
}
}
Il server dà all’agente sei strumenti: transcribe_file, transcribe_url, upload_file, get_job, list_models, list_languages. Gira sul tuo computer con Node.js 18 o successivo e si scarica da https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).
Verifica con /mcp dentro Gemini CLI.
Tenere la regola in GEMINI.md
Perché Gemini CLI conosca l’API anche quando scrive codice, aggiungi questa riga a GEMINI.md nel progetto:
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.
Cosa chiedere
Tre richieste da fare a Gemini CLI:
Trascrivi ~/Downloads/interview.m4a con KolWrite e salva il testo come interview.txt accanto al file.
Crea sottotitoli SRT in inglese per talk.mp4 con KolWrite, un sottotitolo per frase.
Chi ha detto cosa in team-call.mp3? Trascrivilo con il riconoscimento degli interlocutori sul modello oracle, poi elenca le attività di ciascuno.
Quanto costa
| Operazione | Modello | Costo |
|---|---|---|
| Un’intervista di 30 minuti, solo testo | base | 0,24 US$ |
| Una riunione di un’ora con riconoscimento degli interlocutori | oracle | 1,56 US$ |
| Un intervento di un’ora in ebraico con sottotitoli in inglese | oracle | 1,44 US$ |
| Un’ora di audio rumoroso con voci sovrapposte | oracle_max | 3,60 US$ |
Si paga al secondo di audio, dai tuoi crediti, senza minimo. Il riconoscimento degli interlocutori aggiunge 0,10 crediti per ora di audio. Il server MCP e kolwrite.py usano base se tu o l’agente non indicate un altro modello, e oracle_mini per tradurre. Tutte le tariffe: /it/models.
Cosa l’agente non deve fare
- Chiederti la chiave nella chat, stamparla o scriverla in un file, in un comando o in un commit.
- Riavviare la stessa trascrizione dopo un timeout o un errore di rete. Ogni avvio è un nuovo job e viene fatturato; deve invece controllare il job esistente o chiedere a te.
- Scrivere i timestamp da solo. Per tagliare o citare in base al minutaggio, prende i numeri dei segmenti dalla trascrizione e calcola i tempi via codice a partire dai timestamp delle parole.
- Inviare come file multimediale l’indirizzo di un video di YouTube o di un’altra pagina web. Serve il file multimediale vero e proprio.
- Trascrivere registrazioni lunghe (oltre un’ora) senza dirti prima il costo previsto.
Domande e risposte
La chiave viene scritta in settings.json?
Non con la forma $KOLWRITE_API_KEY: Gemini CLI legge il valore dal tuo ambiente quando avvia il server. gemini mcp add -e invece salva il valore che gli passi.