Speech To Text

rev-ai-automation ist ein Claude-Skill zur Automatisierung von Rev AI-Workflows über Composio Rube MCP. Er führt Agents dabei an, Rube zu verbinden, die rev_ai-Verbindung zu prüfen, zuerst aktuelle Tool-Schemas zu suchen und Transkriptionen oder verwandte Rev AI-Aufgaben mit weniger Rätselraten auszuführen.

happy-scribe-automation hilft Claude, Happy Scribe-Workflows über Composio Rube MCP auszuführen. Der Leitfaden erklärt Einrichtungsanforderungen, Verbindungsprüfungen, Tool-Erkennung und sichere Nutzungsmuster für Transkription, Untertitel, Exporte und Projekt automatisierung.

gladia-automation ist ein Claude Skill zur Automatisierung von Gladia-Aufgaben über Composio Rube MCP. Er bietet Live-Tool-Erkennung, Verbindungsprüfungen und schema­basierte Ausführung vor Transkriptionen oder anderen Workflows.

deepgram-automation ist ein Claude-Skill zur Automatisierung von Deepgram-Aufgaben über Composio Rube MCP. Er hilft dabei, aktuelle Tool-Schemas zu finden, eine aktive Deepgram-Verbindung zu prüfen und schemaorientierte Workflows auszuführen.

transcribe wandelt Audio oder Video in Text um, optional mit Diarisierung und Hinweisen auf bekannte Sprecher. Es eignet sich besonders für technisches Schreiben, Meeting-Notizen, Interviews, Vorlesungen und Content Ops, wenn du einen wiederholbaren transcribe Skill mit klaren Ausgabeformaten brauchst und weniger raten willst als bei einem generischen Prompt.

azure-speech-to-text-rest-py ist ein Python-REST-Skill für Azure Speech zur Transkription kurzer Audiodateien ohne Speech SDK. Verwende ihn für die Backend-Entwicklung, wenn du direkte HTTP-Kontrolle, einen schnellen Einstieg und Unterstützung für Audiodateien bis zu 60 Sekunden brauchst. Der Leitfaden behandelt Installation, Authentifizierung, Audioformatierung und zeigt, wann du lange Audioinhalte, Streaming oder Batch-Transkription vermeiden solltest.

Die speech-to-text-Skill transkribiert unterstützte Audiodateien in Klartext und bietet Optionen für Zeitstempel, Sprecherlabels und JSON-Ausgabe. Sie ist auf den praktischen Einsatz von speech-to-text in wiederholbaren Workflows ausgelegt, darunter Interviews, Meetings, Podcasts, Vorlesungen und Automatisierungsaufgaben, bei denen konsistente Transkriptionen wichtig sind.

Die tts-Skill wandelt Text in Sprachaudio um – für Erzählungen, Synchronisation, Voiceover und zeitlich abgestimmte Wiedergabe. Sie eignet sich, um aus reinem Text eine Sprachdatei zu erzeugen, Artikel oder Textdateien in Sprache zu konvertieren oder SRT-gesteuertes Audio mit Timing-Kontrolle zu rendern. Unterstützt werden ein einfacher Modus und ein Timeline-Modus sowie backend-bewusste Workflows für wiederholbare tts-Nutzung.

detecting-deepfake-audio-in-vishing-attacks unterstützt Security-Teams dabei, Audio in Fällen von Vishing, Betrug und Identitätsmissbrauch auf KI-generierte Sprache zu analysieren. Das Skill extrahiert spektrale und MFCC-basierte Merkmale, bewertet verdächtige Samples und erstellt einen forensisch anmutenden Bericht zur Prüfung. Ideal für Security-Audit- und Incident-Response-Workflows.