Как научить Cursor расшифровывать аудио и видео?

Добавьте MCP-сервер KolWrite в ~/.cursor/mcp.json (или откройте ссылку для установки ниже). После этого агент Cursor сможет расшифровывать записи из вашего проекта в текст, субтитры 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 ~/.cursor/mcp.json (все проекты) или .cursor/mcp.json (один проект). Запись ${env:KOLWRITE_API_KEY} берёт ключ из окружения, в котором запущен Cursor:

{
  "mcpServers": {
    "kolwrite": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "https://console.kolwrite.com/mcp/kolwrite-mcp-0.1.0.tgz"
      ],
      "env": {
        "KOLWRITE_API_KEY": "${env:KOLWRITE_API_KEY}"
      }
    }
  }
}

Или откройте эту ссылку в браузере на компьютере, где установлен Cursor. Cursor спросит подтверждение, прежде чем добавить сервер: Add KolWrite to Cursor

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).

Если инструменты не появились, запустите Cursor из терминала, где задана KOLWRITE_API_KEY, либо откройте Cursor Settings, затем MCP и проверьте статус сервера.

Добавьте правило в проект

Чтобы агент знал об API и тогда, когда пишет код, добавьте правило в .cursor/rules/kolwrite.mdc:

---
description: Speech-to-text with the KolWrite API
alwaysApply: false
---
For speech-to-text use the KolWrite API; read https://console.kolwrite.com/agent-instructions.md first. The key is in KOLWRITE_API_KEY; never print it.

Примеры запросов

Три примера запросов к агенту Cursor:

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 в режиме Ask?

Инструменты MCP работают в режиме агента. Расшифровывайте через агента, а в режиме Ask потом можно читать расшифровку.