Agent Skills
文字起こしとリサーチのための transcript.im Agent Skills
Agent Skills は transcript.im の機能を、エージェントが必要なときに読み込む指示としてまとめたものです。スキルは、いつ文字起こしに頼るべきか、どのツールを呼ぶか、良い結果とはどんなものかをエージェントに教えます。スキルは transcript.im の MCP サーバーが設定されていればそれを呼び、なければ REST API にフォールバックするので、同じパックが Claude Code、Cursor、Codex、Copilot、Gemini CLI などの Agent Skills ランタイムでツールごとの書き直しなしに動きます。
- プラットフォーム別パック 3 種 — YouTube、TikTok、Instagram — に加え、プラットフォーム横断のリサーチと執筆のためのワークフローパック。
- スキルは transcript.im の MCP サーバーを先に呼び、同じキーで REST API にフォールバックします。
- 文字起こしは YouTube、TikTok、Instagram、LinkedIn、Twitter/X に対応します。YouTube の探索では検索、チャンネル、アップロード、再生リスト、字幕メタデータを追加で利用できます。
- ワークフロースキルは、要約、ノート、再利用コンテンツといった成果物を出典付きで返します。
- 各パックは素の
SKILL.mdファイルなので、Agent Skills 形式に対応するどのランタイムでも読み込めます。
transcript.im Agent Skills とは
Agent Skills は、エージェントがすでに理解している言葉で機能を説明する素の SKILL.md ファイルです。いつ使うか、何を呼ぶか、何を返すかを記します。transcript.im はこうしたスキル群を保守しているので、コーディングエージェントはプラットフォームごとの専用連携を作らずに動画の文字起こしを扱えます。
- 指示であってインフラではない — スキルは何をするかを教え、抽出は transcript.im が担います。
- プラットフォームパックとワークフローパック — YouTube、TikTok、Instagram のパックに加え、多段階のリサーチと執筆のスキル。
- MCP 優先、REST フォールバック — スキルは MCP サーバーを優先し、MCP が使えないときは REST API に届きます。
- 出典付きの成果物 — ワークフロースキルは、生み出したものに出典リンクと原文の表現を添えます。
プラットフォーム別スキルパック
YouTube、TikTok、Instagram には専用パックがあります。文字起こしの抽出は API が対応する 5 つのプラットフォームすべてに届き、探索スキル — 検索、チャンネル、アップロード、再生リスト、字幕メタデータ — は YouTube だけです。公開 API が探索を提供しているのが YouTube だからです。
YouTube スキル
最も幅広いパックです。タイムスタンプの有無を問わず文字起こしを扱い、さらに YouTube の探索面も備えます。動画とチャンネルの検索、チャンネル解決、チャンネルのアップロード、再生リストの項目、字幕メタデータをまとめる総合エントリースキル付きです。youtube-transcript と youtube-api はよく使われる言い回しの別名エントリーなので、ユーザーが "YouTube transcript" や "YouTube API" と言ってもエージェントが起動します。
TikTok スキル
TikTok のスキルは文字起こしに集中します。まず字幕を読み、字幕がない動画は音声認識でカバーします。TikTok のリンクを貼るだけで、引用や翻訳、再利用ができる整ったタイムスタンプ付きテキストを返します。スキルは文字起こしが正解になる場面を理解しているため、ユーザーが文字起こしという言葉を口にしなくても、貼られたリンクで起動します。
Instagram スキル
Instagram には読み取れる字幕トラックがないため、そのスキルは非同期の音声認識を軸に作られています。reel と transcript のスキルが公開 Reel や動画投稿をタイムスタンプ付きテキストに変え、総合エントリースキルがパックをまとめます。エージェントはリンクを送信し、別の作業をしながらジョブを確認して、できあがったテキストを返します。
成果物を生み出すワークフロースキル
文字起こしインテリジェンス
YouTube、TikTok、Instagram、LinkedIn、Twitter/X の文字起こしを要約・分析し、要約、要点、原文の引用、フック、再利用できるコンテンツ断片を、それぞれ出典に紐づけたレポートにします。1 時間分の映像を読む代わりに、論点、根拠、再利用に値する一節を一度に得られます。
競合リサーチ
自分で持ち込んだ動画をもとに競合やクリエイターを比較し、ある分野で何が効いているかを見つけ、テーマ、形式、フック、論点をベンチマークします。YouTube の探索がチャンネルと再生リストの走査を担い、ほかのプラットフォームは指定した文字起こしで寄与します。成果物は出典付きの競合ブリーフなので、どの主張も動画と発言された箇所までたどれます。
コンテンツ再利用
文字起こしやリサーチを再利用できるコンテンツに変えます。ブログ記事、X/Twitter スレッド、ショート動画の台本、ニュースレター、コンテンツカレンダーを、出典表示付きの編集しやすい下書きとして仕上げます。下書きは重要な箇所で話し手の言葉を保つので、結果は一般的な要約ではなく元の音声のように響きます。
- 会議ノート — 会議や通話の文字起こしから、決定事項、担当者付きのアクション、未解決の質問、リスク、引用をまとめます。
- 講義ノート — 講義やチュートリアルから、構造化した学習ノート、定義、主要な論点、例、復習問題を作ります。
- 文字起こし API ルーティング — すべてのワークフローが文字起こしの取得、バッチの実行、YouTube の動画・チャンネル・再生リストの探索に呼ぶデータ層スキルです。
スキルが transcript.im に届くまで
スキルはプラットフォームと直接話しません。transcript.im に届き、transcript.im がソースを処理します。
- MCP 優先 — transcript.im の MCP サーバーが設定されていれば、スキルはそのツールを直接呼び、構造化された結果を受け取ります。
- REST フォールバック — MCP がなければ、スキルは同じ API キーで同じ REST エンドポイントを呼ぶので、動作はランタイムが MCP に対応しているかどうかに左右されません。
- 認証情報は 1 つ — キーは環境変数かエージェントの MCP 設定から読み込むので、スキルが独自の秘密を管理したり、ユーザーに二度目のログインを求めたりしません。
- 同じアカウント — スキル経由の呼び出しは、API や製品自体からの呼び出しと同じアカウント、同じ履歴に残ります。
- 持ち運べるパック — ルーティングがスキル内にあるため、同じパックがコード変更なしでランタイム間を移動します。
パックの中身
各パックは SKILL.md ファイルの集合です。パックのスキルをまとめる総合エントリースキル 1 つと、エージェントが単独で読み込める集中サブスキルで構成されます。パックは Agent Skills 形式に従うので、すでに使っているほかのスキルと並べてエージェントのスキルディレクトリに置け、エントリースキルはより狭いスキルに渡すタイミングを引き続き把握します。
- YouTube — 総合エントリースキルに、文字起こし、検索、チャンネル、再生リスト、字幕のスキル、そして
youtube-transcriptとyoutube-apiの別名エントリー。 - TikTok — 総合エントリースキルに、文字起こしスキルとその別名。字幕を優先する抽出と音声認識へのフォールバックに集中します。
- Instagram — 総合エントリースキルに
reelとtranscriptのスキル。非同期の音声認識を軸にしています。 - ワークフロー —
transcript-apiルーティングスキルに、インテリジェンス、競合リサーチ、コンテンツ再利用、会議ノート、講義ノート。
これらのスキルを読み込むランタイム
スキルは Agent Skills の慣習に従うため、その形式を読めるランタイムならどれでも読み込めます。Claude Code、Cursor、Codex、GitHub Copilot、Gemini CLI、Windsurf、OpenClaw、Hermes Agent などが含まれます。スキルは Markdown と小さなスクリプトのフォルダであり、プラグインのバイナリではないので、新しいランタイムのためにコンパイルするものはなく、あるランタイム向けに書いたパックはツールを変えてもそのまま持ち越せます。実務上の効果は、同じ文字起こしワークフローが最初に設定したアシスタントに縛られずツール間をついてくることで、ツールごとに別々の連携を維持する必要はありません。
関連リンク
Agent Skills よくある質問
transcript.im Agent Skills とは何ですか？
transcript.im Agent Skills は、AI エージェントに transcript.im をいつどのように使って文字起こしを取得し、バッチを実行し、YouTube 動画を探索し、リサーチ成果物を作るかを教える SKILL.md パックです。
どのエージェントランタイムでこれらのスキルを読み込めますか？
Agent Skills 形式に対応するすべてのランタイムで、Claude Code、Cursor、Codex、GitHub Copilot、Gemini CLI、Windsurf、OpenClaw、Hermes Agent などが含まれます。
スキルに MCP サーバーは必要ですか？
いいえ。スキルは MCP サーバーが設定されていればそれを呼び、そうでなければ同じ API キーで同じ REST API に直接届きます。
Agent Skills はどのプラットフォームに対応しますか？
YouTube、TikTok、Instagram の専用パックがあり、さらに YouTube、TikTok、Instagram、LinkedIn、Twitter/X で動くワークフロー集があります。文字起こしの抽出は 5 つのプラットフォームすべてに対応し、YouTube の探索では検索、チャンネル、アップロード、再生リスト、字幕メタデータを追加で利用できます。
ワークフロースキルは何を生み出しますか？
ワークフロースキルは、インテリジェンスレポート、出典付きの競合ブリーフ、再利用コンテンツの下書き、会議ノート、講義ノートを生み出し、それぞれ出典を保ちます。
文字起こしスキルパックはどう構成されていますか？
各パックは総合エントリースキル 1 つと集中サブスキルを同梱するので、エージェントはプラットフォーム全体を有効にすることも、タスクに必要な部分だけを使うこともできます。
スキルは transcript.im にどう認証しますか？
スキルは環境変数かエージェントの MCP 設定から API キーを読み、transcript.im に送るので、スキル経由の呼び出しは直接 API を呼ぶときと同じアカウントを使います。
transcript.im の上に自分のワークフロースキルを書けますか？
はい。パックは小さな補助スクリプトを伴う素の SKILL.md ファイルなので、同じ形式でスキルを書き、いつ読み込むべきかを記述し、プラットフォームパックと並べて実行できます。