Como qualquer agente de IA transcreve áudio com o KolWrite?
Se o agente consegue rodar um comando de shell, dê a ele o kolwrite.py: um único arquivo Python, só com a biblioteca padrão, que envia o arquivo, inicia o job, espera e grava o resultado. Para agentes que carregam skills, há o mesmo arquivo empacotado como a skill kolwrite-transcribe, e para todo o resto há a API REST e o arquivo OpenAPI dela.
O que você faz uma única vez
Crie você mesmo a conta e a chave em console.kolwrite.com: cadastre-se, adicione créditos, abra API Keys e crie uma chave. Um agente não consegue fazer isso por você.
Coloque a chave no arquivo de perfil do seu shell (~/.zshrc, ~/.bashrc) para que toda sessão de agente que você abrir consiga lê-la, e abra um terminal novo:
export KOLWRITE_API_KEY=... # paste the key from API Keys
As ferramentas leem a chave só dessa variável. Não cole a chave em um chat nem faça commit dela em um repositório.
Baixar o kolwrite.py e verificá-lo
curl -fsSLO https://console.kolwrite.com/cli/kolwrite.py
echo "721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78 kolwrite.py" | shasum -a 256 -c -
SHA-256: 721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78. Python 3.9 ou mais recente, sem pacotes para instalar. Código-fonte: kolwrite.py.
Os comandos que o agente roda
python3 kolwrite.py transcribe meeting.m4a --model oracle --speakers --format json -o meeting.json
python3 kolwrite.py transcribe talk.mp4 --format srt -o talk.srt
python3 kolwrite.py transcribe interview.m4a --language he --translate-to en
python3 kolwrite.py transcribe https://example.com/podcast.mp3 --json
python3 kolwrite.py job JOB_ID
python3 kolwrite.py models
| Código de saída | Significado |
|---|---|
| 0 | Concluído; o resultado está no stdout ou no arquivo indicado por -o |
| 1 | Erro da API ou de rede; a mensagem da própria API é exibida |
| 2 | Erro de uso, ou KOLWRITE_API_KEY não está definida |
| 3 | Ainda em andamento depois do --timeout; consulte depois com kolwrite.py job JOB_ID |
| 4 | O job falhou; o motivo é exibido |
A skill para agentes
Agentes que carregam Agent Skills (o Claude Code a partir de ~/.claude/skills, o Codex a partir de ~/.agents/skills) podem usar a pasta inteira: SKILL.md mais scripts/kolwrite.py, compactados em kolwrite-transcribe.zip. Ela está listada em /.well-known/agent-skills/index.json.
curl -fsSLO https://console.kolwrite.com/skills/kolwrite-transcribe.zip && unzip -o kolwrite-transcribe.zip
A regra para o AGENTS.md ou o CLAUDE.md
For speech-to-text use the KolWrite API.
- Run python3 kolwrite.py (from https://console.kolwrite.com/cli/kolwrite.py, SHA-256 721055e7e1af698755f88da45b98d56541dc278228f3b9bcf6bdd87fe4e15b78) or call the API as https://console.kolwrite.com/agent-instructions.md describes.
- The key is in KOLWRITE_API_KEY. Never print it or write it to a file.
- Tell me the expected cost before transcribing more than an hour of audio.
Agentes que montam as próprias chamadas HTTP usam o openapi.json (OpenAPI 3.1 com exemplos e os códigos de erro reais) e o llms-full.txt.
Quanto custa
| Tarefa | Modelo | Custo |
|---|---|---|
| Uma entrevista de 30 minutos, em texto simples | base | US$ 0,24 |
| Uma reunião de uma hora com identificação de falantes | oracle | US$ 1,56 |
| Uma palestra de uma hora em hebraico com legendas em inglês | oracle | US$ 1,44 |
| Uma hora de áudio com ruído e vozes sobrepostas | oracle_max | US$ 3,60 |
A cobrança é por segundo de áudio, descontada dos seus créditos, sem valor mínimo. A identificação de falantes soma 0,10 crédito por hora de áudio. O servidor MCP e o kolwrite.py usam o base a menos que você ou o agente indiquem outro modelo, e o oracle_mini ao traduzir. Todos os preços: /pt/models.
O que o agente não deve fazer
- Pedir a chave a você no chat, exibi-la ou gravá-la em um arquivo, em um comando ou em um commit.
- Iniciar de novo a mesma transcrição depois de um timeout ou de um erro de rede. Cada início é um job novo e é cobrado; em vez disso, deve consultar o job existente ou perguntar a você.
- Digitar timestamps por conta própria. Para cortar ou citar por tempo, ele pega os números dos segmentos na transcrição e calcula os tempos no código, a partir dos tempos das palavras.
- Enviar como mídia o endereço de um vídeo do YouTube ou de outra página da web. O que a API precisa é do arquivo de mídia em si.
- Transcrever gravações longas (mais de uma hora) sem antes avisar você do custo previsto.
Perguntas e respostas
Por que um único arquivo em vez de um pacote?
Não há nada para instalar e nada que mude sem você perceber: o agente baixa um arquivo, confere o hash e roda. Ainda não existe um pacote SDK no npm nem no PyPI.
O que o kolwrite.py envia, e para onde?
Só o arquivo e as opções que você informar, para a API do KolWrite em app.kolwrite.com, com a sua chave no header x-api-key. Arquivos acima de 4 MiB vão para o formulário de armazenamento assinado que a API devolve, sem a chave.