git:20260705.848fd9b to git:20260824.4f250c4

1 added, 1 removed. Audit A to A.

---

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."

+ description: "Transcribe local MP4/M4A/MP3/WAV/WEBM audio or video with ffmpeg and Whisper, then optionally produce diarized transcripts, customer-facing meeting minutes, action items, 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, 顧客向け議事録, 話者分離, diarization, whisper CLI, ffmpeg."

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

```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)