Como fazer o Codex transcrever áudio e vídeo?
Adicione quatro linhas ao ~/.codex/config.toml (ou rode codex mcp add) ou coloque a skill kolwrite-transcribe em ~/.agents/skills. O Codex passa a transformar as gravações do seu repositório em texto, legendas SRT ou traduções. A cobrança é por segundo, dos seus créditos do KolWrite.
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.
Adicionar o servidor MCP
No ~/.codex/config.toml. O env_vars repassa KOLWRITE_API_KEY do shell em que você inicia o Codex, então a chave não fica gravada no arquivo:
[mcp_servers.kolwrite]
command = "npx"
args = ["-y", "https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"]
env_vars = ["KOLWRITE_API_KEY"]
Ou com um comando só (este grava a chave no config.toml):
codex mcp add kolwrite --env KOLWRITE_API_KEY="$KOLWRITE_API_KEY" -- npx -y https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz
O servidor dá ao agente seis ferramentas: transcribe_file, transcribe_url, upload_file, get_job, list_models, list_languages. Ele roda no seu computador com Node.js 18 ou mais recente e é baixado de https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).
Ou instalar a skill
O Codex lê skills de ~/.agents/skills (todos os projetos) ou de .agents/skills no repositório:
mkdir -p ~/.agents/skills && cd ~/.agents/skills
curl -fsSLO https://console.kolwrite.com/skills/kolwrite-transcribe.zip && unzip -o kolwrite-transcribe.zip && rm kolwrite-transcribe.zip
Se uma skill nova não aparecer, reinicie o Codex.
Manter a regra no AGENTS.md
Para que toda sessão do Codex no repositório conheça a API mesmo sem uma ferramenta, adicione esta linha ao AGENTS.md:
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md before writing code. The key is in KOLWRITE_API_KEY.
O que pedir
Três pedidos que você pode fazer ao Codex:
Transcreva ~/Downloads/interview.m4a com o KolWrite e salve o texto como interview.txt ao lado do arquivo.
Gere legendas SRT em inglês para talk.mp4 com o KolWrite, uma legenda por frase.
Quem disse o quê em team-call.mp3? Transcreva com identificação de falantes no modelo oracle e depois liste as tarefas de cada pessoa.
Quanto custa
| Tarefa | Modelo | Custo |
|---|---|---|
| Uma entrevista de 30 minutos, em texto simples | base | US$ 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
Isso funciona também na extensão do Codex para IDE?
A extensão lê o mesmo ~/.codex/config.toml, então o servidor MCP também fica disponível lá.
O Codex consegue escrever código que chama a API no meu app?
Consegue. Aponte para agent-instructions.md e openapi.json. O servidor MCP serve para transcrever arquivos enquanto você trabalha; ele não é uma biblioteca para usar dentro do seu app.