local-media-transcription

# 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 ```powershell $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](./references/transcription-workflow.md)