Como fazer o Gemini CLI transcrever áudio e vídeo?
Adicione o servidor MCP do KolWrite com um único comando, gemini mcp add. O Gemini CLI passa a transcrever gravações locais 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
Rode o comando onde KOLWRITE_API_KEY esteja definida; o -s user deixa o servidor disponível em todos os projetos:
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
Ou adicione à mão no ~/.gemini/settings.json. O Gemini CLI expande $KOLWRITE_API_KEY a partir do seu ambiente:
{
"mcpServers": {
"kolwrite": {
"command": "npx",
"args": [
"-y",
"https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
],
"env": {
"KOLWRITE_API_KEY": "$KOLWRITE_API_KEY"
}
}
}
}
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).
Confira com /mcp dentro do Gemini CLI.
Manter a regra no GEMINI.md
Para que o Gemini CLI conheça a API também quando escrever código, adicione esta linha ao GEMINI.md do projeto:
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 Gemini CLI:
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
A chave é gravada no settings.json?
Não com a forma $KOLWRITE_API_KEY: o Gemini CLI lê o valor do seu ambiente quando inicia o servidor. Já o gemini mcp add -e grava o valor que você passar.