動画/音声ファイルをタイムスタンプ付きで文字起こしし、要約まで行うスキル。「動画を文字起こしして」「この音声を要約して」「会議の録画をまとめて」「mp4を文字起こしして要約して」「インタビュー音声から議事録作って」などのリクエストで使用する。
OpenAI Whisper（ローカル）でタイムスタンプ付き全文mdを生成し、Claude自身がその全文を読んで要約mdを別ファイルで書き出す。出力先はプロジェクトルート直下（`TRANSCRIPT_OUTPUT_PATH` で変更可）。
The English summary is being prepared. Showing the original description.
Review the instructions the agent will receive before you install.
動画 or 音声ファイルを OpenAI Whisper (ローカル) で文字起こしし、全文md と 要約md の 2ファイルを出力するスキル。
対応拡張子: mp3 / m4a / wav / ogg / flac / mp4 / mov / mkv / webm / avi など（whisper が内部で ffmpeg を呼ぶため動画もそのまま渡せる）。
基本（推奨デフォルト: turbo = large-v3-turbo + Whisper自然分割）:
python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja
最高精度（固有名詞多い議事録・重要案件）:
python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --model large-v3 --language ja
軽量・高速（下書き用途）:
python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --model base --language ja
N秒ごとに強制区切り（約5秒刻みで拾いたい）:
python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja --segment-seconds 5
文（センテンス）単位で区切る（句読点検出＋最大60秒cap）:
python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja --sentence
単語ごと（発話タイミング分析用、行数が大量に増えるので注意）:
python .claude/skills/media-transcriber/scripts/transcribe.py "入力ファイル" --language ja --word-level
<プロジェクトルート>/YYYYMMDD_HHMMSS_{basename}.md) を Read で読むWrite で作成する。ファイル名は YYYYMMDD_HHMMSS_{basename}_summary.md（全文mdと同じタイムスタンプ・同じディレクトリ）。要約の構成は下記「要約mdテンプレ」を既定とし、ユーザー指示があればそれに従う| 引数 | 説明 | デフォルト |
|---|---|---|
file | 入力音声/動画ファイルパス（必須） | — |
--model | whisperモデル名 (tiny / base / small / medium / large-v3 / turbo) | turbo |
--language | 言語コード（例: ja, en）。未指定時は自動検出 | auto-detect |
--output-format | 出力フォーマット (md / json) | md |
--segment-seconds | N秒ごとに行を区切る | 未指定 |
--sentence | 文（センテンス）単位で区切る。句読点検出＋上限秒capで再チャンク | false |
--word-level | 単語ごとに1行出力。最優先 | false |
--sentence-max-seconds | --sentence 時のフォールバック上限秒。句読点が無い音声で1文が長大化しないよう強制flush | 60.0 |
分割粒度の優先順位（上が強い）: --word-level > --segment-seconds > --sentence > Whisper自然分割（デフォルト）
プロジェクトルートの .env に以下の環境変数を設定する（任意。未設定時はプロジェクトルート直下に出力）:
# 例: transcripts/ 配下に出したい場合
TRANSCRIPT_OUTPUT_PATH=transcripts
| 変数名 | 説明 |
|---|---|
TRANSCRIPT_OUTPUT_PATH | 出力先ディレクトリ（デフォルト: . = プロジェクトルート直下） |
# 文字起こし: meeting_20260421.mp4
- 元ファイル: /path/to/meeting_20260421.mp4
- モデル: medium
- 言語: ja (auto-detected)
- 実行日時: 2026-04-21 14:30:00
- 総尺: 00:45:12
## 全文
[00:00:00] 今日は四半期の振り返りから始めましょう。
[00:00:12] まず売上の件ですが、前年同月比で...
YYYYMMDD_HHMMSS_{basename}.md（basename は入力ファイルの拡張子を除いた名前）.env の TRANSCRIPT_OUTPUT_PATH で上書き可Claude がこのテンプレを既定の骨格として書き出す:
# 要約: meeting_20260421.mp4
- 元ファイル: /path/to/meeting_20260421.mp4
- 総尺: 00:45:12
- 文字起こし: 20260421_143000_meeting_20260421.md
## 概要
3〜5行で全体像
## キーポイント
- 箇条書き5〜8個
## トピック別まとめ
### トピック1
...
## 次のアクション
- 担当 / 期限 / 内容
YYYYMMDD_HHMMSS_{basename}_summary.md（全文mdと同じタイムスタンプ）クライアント会議録・議事録としても使うことを前提に、以下のトーンで書く:
| モデル | サイズ | 速度 | 日本語精度 | 用途 |
|---|---|---|---|---|
tiny | ~75MB | 超高速 | 低 | 下書き・英語短尺 |
base | ~150MB | 高速 | 中の下 | 英語短尺・スピード優先 |
small | ~500MB | 中速 | 中 | 簡易な日本語 |
medium | ~1.5GB | やや遅 | 高 | 旧定番（turboで置き換え可） |
turbo | ~1.5GB | 高速 | 高 (v2相当) | 推奨デフォルト（日本語・汎用） |
large-v3 | ~3GB | 遅い | 最高 | 固有名詞多め・重要な議事録 |
2025年の実測比較では日本語用途で turbo (large-v3-turbo) が speed/accuracy のバランス最優秀。medium とメモリ・速度が同等で精度は同等以上なので、通常 turbo を第一選択に。最高精度が必要なときのみ large-v3。
初回実行時はモデルが ~/.cache/whisper/ にダウンロードされる（1回だけ）。turbo は約1.5GB。
初回エラー時は以下でインストール:
pip install -U openai-whisper python-dotenv
ffmpeg が別途必要（whisper が内部で呼ぶ）:
brew install ffmpeg
No reviews yet. Tell others what you thought.
No login needed. Share how it worked for you, ask a question, or note where it did not run.
No comments yet. Be the first to write one.
AGENTS.md / CLAUDE.mdの作成・編集・整理を行うスキル。CLAUDE.mdを50行以下を推奨とし、詳細ルールはrules/やスキルにモジュール化して分割管理する。以下のリクエストで使用する: (1)「CLAUDE.mdを作って」「AGENTS.mdを整理して」などCLAUDE.mdの新規作成・編集、(2)「ルールを追加して」「rules/に分割して」などルールの追加・分離、(3)「ディレクトリ構成を更新して」など参照の更新、(4) 新しいディレクトリやルールファイルを作成した後のCLAUDE.md反映。
The English summary is being prepared. Showing the original description.
複雑なコードベースを体系的に分析し、アーキテクチャを可視化・ドキュメント化して新規開発者のオンボーディングを支援する汎用スキル。成果物は必ず `docs/` 配下に分割出力する。以下のリクエストで使用する：(1)「このコードベースを分析して」「全体像を教えて」など概要把握、(2)「アーキテクチャドキュメントを作って」「C4図を生成して」など設計ドキュメント生成、(3)「オンボーディング資料を作って」など新規開発者向け資料作成、(4)「技術的負債を洗い出して」など負債評価、(5)「機能一覧を出して」など機能インベントリ生成、(6)「この機能を操作したら何が起きるか追跡して」などユーザー操作フロー追跡、(7)「新機能の実装手順を出して」などフロント／バック横断の実装ガイド生成。特定の言語・フレームワーク・ディレクトリ構成に依存せず、どのリポジトリでも利用できる。
The English summary is being prepared. Showing the original description.
AIコーディングエージェント向けの共通コーディングルール。コードの実装・修正・リファクタリング・レビュー時に使用し、前提確認、最小限の変更、検証に加え、空行・処理の区切り・目的と理由のコメントによる人間が後で理解できる可読性を厳守する。
The English summary is being prepared. Showing the original description.
URL・画像・テキスト要件からAIコーディングエージェント向けのDESIGN.mdを生成するスキル。「example.comをDESIGN.md化して」「このサムネをDESIGN.md化して」「クールでポップなLP用のDESIGN.mdを作って」といったリクエストで使用する。Claude Code / Cursor / Stitch に渡せば一貫したUIを生成できる、getdesign.md / awesome-design-md 準拠の9セクション構成のデザイン仕様書を出力する。CSS解析・画像目視抽出・要件生成の3パターンに対応。
The English summary is being prepared. Showing the original description.
Implement Feature-First architecture with Riverpod state management and Flutter Hooks in Flutter applications
The English summary is being prepared. Showing the original description.
添付された複数の画像を一括で圧縮・リサイズするスキル。「画像を圧縮して」「このスクショを軽くして」「リサイズして」「画像を小さくして」などのリクエストで使用する。Pillowで長辺1920pxにリサイズし、JPEG/PNGで出力先ディレクトリに保存する。
The English summary is being prepared. Showing the original description.