Whisper Skill
Lokalna transkrypcja Whisper, która dobiera backend i model do Twojego sprzętu.
Testowano · Działa
Co robi ten skill
Konfiguruje i uruchamia Whisper lokalnie zamiast przez OpenAI API: wykrywa system operacyjny, CPU, GPU i RAM, a następnie wybiera odpowiedni backend (mlx-whisper, faster-whisper, whisper.cpp, whisperx, openvino) i model. Zawiera uruchamialne przykłady dla transkrypcji pojedynczych plików i wsadowej, pobierania URL przez yt-dlp, diaryzacji mówców, dyktowania głosowego push-to-talk oraz wypalania napisów w stylu CapCut do MP4. Uruchamia się na żądania transkrypcji audio lub wideo lokalnie, generowania napisów do krótkich filmów i rolek, zamiany mowy na tekst bez klucza API lub zastępowania narzędzi do dyktowania w stylu Superwhisper.
Raport z testu
Przepisano ten sam 10-sekundowy klip na M3 Mac na dwa sposoby: naiwna ścieżka bez umiejętności (pip install openai-whisper, whisper sample.wav --model small) działała 5m44s na CPU i zwróciła 'That week Brown Fox jumped over the lazy dog, whispered transcription benchmark's major word error rate' - 6 błędnych słów z 26, około 23% WER. Po zastosowaniu umiejętności, jej detektor poprawnie odczytał maszynę jako Apple M3 / 8 GB / Metal i przekierował do mlx-whisper na MPS, a jej przykładowy skrypt zwrócił idealną transkrypcję z czystymi znacznikami SRT w 3m35s, wliczając pobieranie modelu. Jeden prawdziwy błąd: examples/common.py buduje identyfikator repozytorium MLX jako mlx-community/whisper-<model>, więc model rekomendowany przez jego własny detektor (--model small) kończy się błędem 404, a trzeba ręcznie podać mlx-community/whisper-small-mlx. Trzy linki w treści (docs/word-level-subs.md, methodology/post-processing.md, examples/burn_subs.py) wskazują na pliki, które nigdy nie zostały zatwierdzone.
Testowano: 2026-07-28 · Claude Code 2.x (agent harness)
Instalacja
git clone https://github.com/Mobiss11/Whisper-Skill.git ~/.claude/skills/whisper-skill
Komendy i przykładowe prompty
/whisper-skillLokalna transkrypcja Whisper, która dobiera backend i model do Twojego sprzętu.
Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):
Transcribe this podcast episode locally without using the OpenAI APIBurn TikTok-style subtitles into my reel from this MP4 clipI want a free Superwhisper-style dictation tool for my Mac