Как научить Codex расшифровывать аудио и видео?

Добавьте четыре строки в ~/.codex/config.toml (или выполните codex mcp add) либо положите skill kolwrite-transcribe в ~/.agents/skills. После этого Codex сможет превращать записи из вашего репозитория в текст, субтитры SRT или переводы. Оплата посекундная, с ваших кредитов KolWrite.

Получить ключ API Быстрый старт Поддерживаемые языки

Обновлено: · Markdown

Что нужно сделать один раз

Создайте аккаунт и ключ сами на console.kolwrite.com: зарегистрируйтесь, пополните кредиты, откройте API Keys и создайте ключ. Агент не может сделать это за вас.

Сохраните ключ в файле профиля вашего shell (~/.zshrc, ~/.bashrc), чтобы его могла прочитать любая сессия агента, и откройте новый терминал:

export KOLWRITE_API_KEY=...   # paste the key from API Keys

Инструменты читают ключ только из этой переменной. Не вставляйте его в чат и не коммитьте в репозиторий.

Добавьте MCP-сервер

В ~/.codex/config.toml. Параметр env_vars передаёт KOLWRITE_API_KEY из shell, в котором вы запускаете Codex, поэтому ключ не записывается в файл:

[mcp_servers.kolwrite]
command = "npx"
args = ["-y", "https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"]
env_vars = ["KOLWRITE_API_KEY"]

Или одной командой (она сохраняет ключ в 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

Сервер даёт агенту шесть инструментов: transcribe_file, transcribe_url, upload_file, get_job, list_models, list_languages. Он работает на вашем компьютере с Node.js 18 или новее и скачивается с https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz (SHA-256 0dcd6ff169b860b9363044837b8545279efa585c4987b20d81035f920f6ac7ca).

Или установите skill

Codex читает skills из ~/.agents/skills (все проекты) или из .agents/skills в репозитории:

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

Если новый skill не появился, перезапустите Codex.

Добавьте правило в AGENTS.md

Чтобы каждая сессия Codex в репозитории знала об API даже без инструмента, добавьте эту строку в 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.

Примеры запросов

Три примера запросов к Codex:

Расшифруй ~/Downloads/interview.m4a через KolWrite и сохрани текст в interview.txt рядом с файлом.

Сделай английские субтитры SRT для talk.mp4 через KolWrite, по одному субтитру на предложение.

Кто что сказал в team-call.mp3? Расшифруй запись с разметкой спикеров на модели oracle, а затем перечисли задачи каждого участника.

Сколько это стоит

ЗадачаМодельСтоимость
Интервью на 30 минут, обычный текстbase0,24 $
Часовая встреча с разметкой спикеровoracle1,56 $
Часовой доклад на иврите с английскими субтитрамиoracle1,44 $
Час шумного аудио с перекрывающимися голосамиoracle_max3,60 $

Оплата идёт посекундно за длительность аудио и списывается с ваших кредитов, без минимального платежа. Разметка спикеров добавляет 0,10 кредита за час аудио. MCP-сервер и kolwrite.py используют base, если вы или агент не указали другую модель, а при переводе используют oracle_mini. Все тарифы: /ru/models.

Чего агент делать не должен

  • Просить у вас ключ в чате, выводить его или записывать в файл, команду или коммит.
  • Запускать ту же расшифровку заново после тайм-аута или сетевой ошибки. Каждый запуск создаёт новое задание, и оно оплачивается. Вместо этого нужно проверить уже созданное задание или спросить вас.
  • Вписывать временные метки самостоятельно. Чтобы вырезать или процитировать фрагмент по времени, он берёт номера сегментов из расшифровки и считает время в коде по временным меткам слов.
  • Отправлять в качестве медиа адрес видео на YouTube или другой веб-страницы. Нужен сам медиафайл.
  • Расшифровывать длинные записи (больше часа), не сообщив вам заранее ожидаемую стоимость.

Вопросы и ответы

Работает ли это и в расширении Codex для IDE?

Расширение читает тот же ~/.codex/config.toml, поэтому MCP-сервер доступен и там.

Может ли Codex написать код, который вызывает API в моём приложении?

Да. Укажите ему agent-instructions.md и openapi.json. MCP-сервер нужен, чтобы расшифровывать файлы по ходу работы, а не как библиотека для вашего приложения.