local-media-transcription

name	local-media-transcription
description	Transcribe local audio/video files to text, then optionally produce meeting minutes, action items, speaker separation, and PPT-ready summaries. Use when 文字起こし, transcription, transcribe mp4, meeting transcript, mp4から文字起こし, 録画から議事録, 話者分離, or diarization.
argument-hint	文字起こししたいファイルパス or 対象会議の説明
user-invocable	true
license	CC BY-NC-SA 4.0
metadata	{"author":"yamapan (https://github.com/aktsmm)"}

Local Media Transcription

ローカルにある音声/動画ファイルを文字起こしし、必要に応じて議事録・アクションアイテム・PPT要点まで整理する skill。

When to Use

• 文字起こし, transcription, transcribe mp4, meeting transcript
• mp4から文字起こし, 録画から議事録, whisperで書き起こし
• Teams録画、Screenpresso録画、会議音声から要点を抽出したいとき
• ローカル環境で完結させたいとき

Supported Inputs

• MP4 / M4A / MP3 / WAV / WEBM
• 日本語会議、社内ミーティング、顧客打合せ録画

Outputs

• 生書き起こし .txt
• 話者分離付き書き起こし .txt / .md
• 議事録 .md
• 顧客向け清書版議事録 .md
• アクションアイテム .md
• PowerPoint用要点 .md

Workflow

1. 入力確認

• 対象ファイルが存在するか確認する
• 長さ、サイズ、更新日時を確認する

2. ツール確認

• ffmpeg, ffprobe, whisper CLI が使えるか確認する
• 使えない場合は、ローカル書き起こしは中断して代替案を提示する

3. メディア確認

• ffprobe で duration を取得する
• 長時間録画なら処理時間を見積もる

4. 文字起こし実行

• 日本語会議なら以下を基本形とする

$env:PYTHONIOENCODING='utf-8'
whisper "<media-file>" --language Japanese --task transcribe --model turbo --fp16 False --verbose False --output_format txt --output_dir "<output-dir>"

5. 品質確認

• 出力 .txt の先頭数十行を読んで破綻していないか確認する
• 最低限、発話として読めるか、ファイルが空でないかを確認する

6. 必要に応じて話者分離

• 話者分離が必要なら、利用可能な diarization 手段を確認する
• 使える場合は話者ラベル付きの書き起こしを生成する
• 使えない場合は、話者分離なしで進めるか、制約を明示して中断する

7. 必要に応じて整形

• 議事録
• 顧客向け清書版議事録
• アクションアイテム
• PPT要点
• 断定しすぎず、音声認識揺れを補正して整理する

Decision Points

A. ツールがない場合

• ffmpeg / whisper がない場合は中断
• 代替として Teams文字起こしテキスト貼付 or 事前インストールを案内

B. 文字起こしだけでよい場合

• .txt を出力して終了

C. 会議整理まで必要な場合

• 以下の成果物を追加生成する
  • 議事録
  • 顧客向け清書版議事録
  • アクションアイテム
  • PPT要点

D. 話者分離が必要な場合

• diarization ツールや既存環境を確認する
• 使える場合は 話者A / 話者B などのラベルで一度出力する
• 名前が確定していない段階では推定名を断定しない
• 使えない場合は「話者分離なしで進める / 後で人手補正する」を明示する

E. 顧客向け資料に載せる場合

• 固有名詞や音声認識誤りを目視補正する
• 曖昧な箇所は断定せず「〜との認識」「〜との説明」などにする
• 内部会話、未確定情報、雑談は削る
• 顧客向けには「決定事項 / 検討事項 / 次回アクション」が一目で分かる形に整える

Completion Criteria

• 入力メディアの存在確認が完了している
• 書き起こし .txt が生成されている
• 冒頭確認で致命的な破綻がない
• 話者分離が必要な依頼では、可否判定か分離済み出力のどちらかが明示されている
• 依頼があれば議事録 / 顧客向け清書版 / アクション / PPT要点まで生成されている

Quality Rules

• 元音声にない断定を追加しない
• 数値・固有名詞は誤認識の可能性を意識する
• 顧客向け要約では、施策ありきで決めつけない
• 顧客向け議事録では、内部相談や未承認事項をそのまま残さない
• 話者分離では、人名確定できないラベルを勝手に実名化しない
• 長時間音声では、まず文字起こし成功を優先し、その後に整理へ進む

References

• transcription-workflow.md