AlphaMoatによると、2026-09時点でWhisper Transcribeのダウンロード数は4,408、スター数は5で、AIスキル全体5,078件中2,214位、デザイン・メディアでは512件中216位です。

インストール数

162

ダウンロード数

4408

スター数

総合順位

#2,214

全体の上位 44% · デザイン・メディアの上位 43%

プラットフォーム	インストール数	ダウンロード数	スター数	コメント
ClawHub ↗	73	2551	3	-
SkillHub ↗	162	4408	5	—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

自動言語検出、一括処理、モデル選択、テキスト・字幕・JSON 形式の出力に対応します。初回実行時にモデルをダウンロードします。文字起こしは音声ファイルの近く、または指定ディレクトリに保存され、機密会話を含む場合があります。機密録音には管理された出力先を使い、保存期間を制限して、文字起こしを確認してください。ローカルwhisper CLIとffmpegが必要です。確認済み依存関係を仮想環境へ導入し、再現性が必要なら版を固定します。利用可能メモリと処理時間に合うモデルを選びます。モデル表は目安で、精度や実行時間の保証ではありません。

資料公開日 2026-10-27

できること

会議、ポッドキャスト、音声メッセージを文字起こしする
字幕やタイムスタンプ付きの記録を作る

使う場面

音声処理が許可され、依存関係が信頼でき、出力先と保存期間が明確な場合

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

依存関係を導入したり音声を処理したりせず、この音声で作成できる形式を説明して。

機密録音の管理された出力先を選び、利用前に必要な確認事項を列挙して。

月次の推移

ダウンロード数4408

スター数5

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月	ダウンロード数	前月比	スター数
2026-09	4408	—	5
2026-08	3742	+16.5%	5
2026-07	3213	+12.0%	5
2026-06	2870	+7.1%	5
2026-05	2680	—	4
2026-03	1751	—	2

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

1.6 KB・ClawHub v1.0.0

---
name: whisper-transcribe
description: Transcribe audio files to text using OpenAI Whisper. Supports speech-to-text with auto language detection, multiple output formats (txt, srt, vtt, json), batch processing, and model selection (tiny to large). Use when transcribing audio recordings, podcasts, voice messages, lectures, meetings, or any audio/video file to text. Handles mp3, wav, m4a, ogg, flac, webm, opus, aac formats.
---

# Whisper Transcribe

Transcribe audio with `scripts/transcribe.sh`:

```bash

すべて表示(全 47 行)

# Basic (auto-detect language, base model)
scripts/transcribe.sh recording.mp3

# German, small model, SRT subtitles
scripts/transcribe.sh --model small --language de --format srt lecture.wav

# Batch process, all formats
scripts/transcribe.sh --format all --output-dir ./transcripts/ *.mp3

# Word-level timestamps
scripts/transcribe.sh --timestamps interview.m4a
```

## Models

| Model | RAM | Speed | Accuracy | Best for |
|-------|-----|-------|----------|----------|
| tiny | ~1GB | ⚡⚡⚡ | ★★ | Quick drafts, known language |
| base | ~1GB | ⚡⚡ | ★★★ | General use (default) |
| small | ~2GB | ⚡ | ★★★★ | Good accuracy |
| medium | ~5GB | 🐢 | ★★★★★ | High accuracy |
| large | ~10GB | 🐌 | ★★★★★ | Best accuracy (slow on Pi) |

## Output Formats

- **txt** — Plain text transcript
- **srt** — SubRip subtitles (for video)
- **vtt** — WebVTT subtitles
- **json** — Detailed JSON with timestamps and confidence
- **all** — Generate all formats at once

## Requirements

- `whisper` CLI (`pip install openai-whisper`)
- `ffmpeg` (for audio decoding)
- First run downloads the model (~150MB for base)