Como criar um GPT personalizado que transcreve áudio?
Crie um GPT personalizado, importe https://console.kolwrite.com/openapi.json como Action, defina a sua chave no header x-api-key e cole as instruções abaixo. O GPT passa a transcrever, legendar e traduzir arquivos de mídia que estão na internet, com os seus créditos do KolWrite. Uma Action envia apenas JSON, então funciona com links para arquivos de mídia, e não com arquivos anexados no chat.
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.
Você vai colar a chave no editor do GPT, e não em um chat.
Criar o GPT e a Action
- No ChatGPT, abra Explore GPTs, depois Create e a aba Configure. Criar GPTs exige um plano pago do ChatGPT.
- Em Actions, escolha Create new action, depois Import from URL e informe
https://console.kolwrite.com/openapi.json. - Authentication: API Key, Auth Type Custom, Custom Header Name
x-api-key, e cole a sua chave do KolWrite. - Privacy policy:
https://www.kolwrite.com/tos_pp.html. - Cole as instruções abaixo no campo Instructions.
- Share: Only me. Qualquer pessoa que puder usar o GPT gasta os seus créditos.
Instruções para colar
You transcribe audio and video with the KolWrite API actions.
- The person gives a direct link to a media file (mp3, m4a, wav, mp4, mov...). A YouTube or other web page link is not a media file: say so and ask for the file's own link.
- Start with createTranscription. Always send model: "oracle" unless the person asks for cheaper ("base") or hardest audio ("oracle_max"). For subtitles send output_format "srt" and word_timestamps false. For "who said what" send include_diarization true. To translate, send translate_to with the language code.
- After you start a job, tell the person the jobId and call getTranscription. If status is PENDING or IN_PROGRESS, say it is still running and check again when the person asks.
- When status is COMPLETED, show the result (for srt, in a code block) and the creditsUsed value. When FAILED, show the error text as it is.
- Never start the same job twice: each start is billed. If an action call fails, show the error; do not retry createTranscription.
- Tell the person the expected cost before transcribing more than an hour: base US$0.48, oracle US$1.44, oracle_max US$3.60 per hour of audio.
O que pedir
Três pedidos que você pode fazer ao GPT (com os seus próprios links):
Transcreva https://example.com/episode-12.mp3
Gere legendas SRT em inglês para https://example.com/talk-he.mp4
Quem fala em https://example.com/call.wav e com o que cada pessoa concordou?
O que funciona e o que não funciona
- Funciona: links para arquivos de mídia acessíveis pela internet, qualquer um dos 100 idiomas, legendas, identificação de falantes e tradução.
- Não funciona: arquivos que você envia no chat. A Action não consegue repassá-los ao KolWrite. Use um link ou, para arquivos locais, o Claude Code, o Codex ou o kolwrite.py.
- Gravações longas levam alguns minutos. O GPT não consegue esperar em segundo plano; peça a ele que consulte o job de novo.
- Resultados JSON muito grandes podem não caber em uma resposta do GPT; peça txt ou srt no lugar.
Quanto custa
| Tarefa | Modelo | Custo |
|---|---|---|
| Uma entrevista de 30 minutos, em texto simples | base | US$ 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. Todos os preços: /pt/models.
O que o GPT não deve fazer
- 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.
- 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.
- Ser compartilhado com outras pessoas enquanto estiver com a sua chave.
Perguntas e respostas
Isso é o mesmo que o conector do KolWrite para o ChatGPT?
Não. Aqui você monta um GPT com a sua chave de API e os seus créditos. O conector para a conta pessoal do KolWrite de cada pessoa está descrito em agent-instructions.md.
Posso usar o mesmo openapi.json em outras ferramentas?
Pode. Ele é OpenAPI 3.1, com exemplos e as respostas de erro reais; qualquer ferramenta que importe OpenAPI e envie um header x-api-key consegue usá-lo.