Transcription

transcribe は、音声や動画をテキスト化するスキルで、話者分離の指定や既知話者のヒントも使えます。技術文書作成、会議メモ、インタビュー、講義、コンテンツ運用など、出力形式を安定させたい場面に向いています。汎用プロンプトよりも手順が明確で、再現性のある音声文字起こしスキルを求めるときに適しています。

speech-to-text スキルは、対応音声ファイルをプレーンテキストに文字起こしします。タイムスタンプ、話者ラベル、JSON 出力にも対応しており、実務的な音声文字起こしに向けて設計されています。インタビュー、会議、ポッドキャスト、講義、そして一貫した文字起こしが重要な自動化タスクなど、繰り返し使うワークフローでの利用に適しています。

ttsスキルは、テキストを音声に変換し、ナレーション、吹き替え、ボイスオーバー、タイムライン同期再生に使える音声を生成します。プレーンテキストから音声ファイルを作成したり、記事やテキストファイルを音声化したり、SRTベースの音声をタイミング制御付きで出力したりできます。シンプルモードとタイムラインモードに対応し、バックエンドを意識した再現性のあるtts運用にも向いています。

youtube-summarizer は、YouTube のリンクを構造化された文字起こし要約に変換し、主要な洞察、メタデータ、必要に応じたチャプター単位の分解までまとめます。素早いブリーフィング、リサーチメモ、長尺動画の検索しやすい要点化に最適です。youtube-summarizer の install、youtube-summarizer の usage、そして要約ワークフロー向けの youtube-summarizer guide を参照してください。

transcribe-video skill は、AWS Transcribe を使って動画や音声ファイルを .srt、.vtt、.txt に変換します。字幕、検索可能な文字起こし、または話し言葉をすっきりしたテキストにしたいときの transcribe-video の用途に向いています。Format Conversion ワークフローで transcribe-video を使う場合にも適しています。

markitdownは、ファイルやOffice文書をMarkdownに変換し、読みやすさ、分割、検索、LLMワークフローを改善します。このmarkitdownスキルは、PDF、DOCX、PPTX、XLSX、HTML、CSV、JSON、XML、ZIP、EPUB、OCR付き画像、音声文字起こしに対応しており、形式変換のための実用的なmarkitdownガイドとして使えます。