Agent Skills
Agent Skills ของ transcript.im สำหรับการถอดเสียงและงานวิจัย
Agent Skills ห่อความสามารถของ transcript.im เป็นคำสั่งที่เอเจนต์โหลดเมื่อต้องใช้ สกิลบอกเอเจนต์ว่าควรดึงข้อความถอดเสียงเมื่อไร เรียกเครื่องมือใด และผลลัพธ์ที่ดีหน้าตาเป็นอย่างไร สกิลจะเรียกเซิร์ฟเวอร์ MCP ของ transcript.im เมื่อตั้งค่าไว้ และถอยไปใช้ REST API เมื่อไม่ได้ตั้งค่า จึงใช้แพ็กเดียวกันได้บน Claude Code, Cursor, Codex, Copilot, Gemini CLI และรันไทม์ Agent Skills อื่น ๆ โดยไม่ต้องเขียนใหม่แยกตามเครื่องมือ
- แพ็กแพลตฟอร์มสามชุด — YouTube, TikTok และ Instagram — พร้อมแพ็กเวิร์กโฟลว์สำหรับงานวิจัยและการเขียนข้ามแพลตฟอร์ม
- สกิลเรียกเซิร์ฟเวอร์ MCP ของ transcript.im ก่อน แล้วถอยไปใช้ REST API ด้วยคีย์เดียวกัน
- ข้อความถอดเสียงครอบคลุม YouTube, TikTok, Instagram, LinkedIn และ Twitter/X ส่วนการค้นหาบน YouTube เพิ่มการค้นหา ช่อง การอัปโหลด เพลย์ลิสต์ และเมทาดาทาคำบรรยาย
- สกิลเวิร์กโฟลว์คืนผลงาน เช่น บรีฟ บันทึก และเนื้อหาที่นำกลับมาใช้ใหม่ พร้อมการอ้างอิงแหล่งที่มา
- แต่ละแพ็กเป็นไฟล์
SKILL.mdธรรมดา จึงโหลดได้ในรันไทม์ใดก็ตามที่รองรับรูปแบบ Agent Skills
Agent Skills ของ transcript.im คืออะไร
Agent Skills คือไฟล์ SKILL.md ธรรมดาที่อธิบายความสามารถในภาษาที่เอเจนต์เข้าใจอยู่แล้ว ว่าใช้เมื่อไร เรียกอะไร และคืนอะไร transcript.im ดูแลชุดสกิลเหล่านี้เพื่อให้เอเจนต์เขียนโค้ดทำงานกับข้อความถอดเสียงวิดีโอได้โดยไม่ต้องทำการเชื่อมต่อเฉพาะสำหรับแต่ละแพลตฟอร์ม
- เป็นคำสั่ง ไม่ใช่โครงสร้างพื้นฐาน — สกิลบอกเอเจนต์ว่าต้องทำอะไร ส่วนการดึงข้อมูลเป็นหน้าที่ของ transcript.im
- แพ็กแพลตฟอร์มและแพ็กเวิร์กโฟลว์ — หนึ่งแพ็กสำหรับ YouTube, TikTok และ Instagram พร้อมสกิลสำหรับงานวิจัยและการเขียนหลายขั้นตอน
- MCP ก่อน REST สำรอง — สกิลเลือกใช้เซิร์ฟเวอร์ MCP และเข้าถึง REST API เมื่อไม่มี MCP
- ผลงานพร้อมการอ้างอิง — สกิลเวิร์กโฟลว์แนบลิงก์ต้นทางและถ้อยคำเดิมไว้กับสิ่งที่ผลิตออกมา
แพ็กสกิลแยกตามแพลตฟอร์ม
มีแพ็กเฉพาะสำหรับ YouTube, TikTok และ Instagram การถอดเสียงครอบคลุมทั้งห้าแพลตฟอร์มที่ API รองรับ ส่วนสกิลด้านการค้นหา — การค้นหา ช่อง การอัปโหลด เพลย์ลิสต์ และเมทาดาทาคำบรรยาย — มีเฉพาะ YouTube เพราะเป็นแพลตฟอร์มเดียวที่ API สาธารณะเปิดให้ค้นหา
สกิล YouTube
แพ็กที่กว้างที่สุด ครอบคลุมข้อความถอดเสียงที่มีหรือไม่มีเวลากำกับ และพื้นผิวการค้นหาบน YouTube: การค้นหาวิดีโอและช่อง การระบุช่อง การอัปโหลดของช่อง รายการเพลย์ลิสต์ และเมทาดาทาคำบรรยาย พร้อมสกิลทางเข้าฉบับเต็มที่รวบทั้งหมดไว้ youtube-transcript และ youtube-api เป็นรายการชื่อแทนสำหรับวิธีที่ผู้คนมักพูดถึง จึงเปิดใช้งานเอเจนต์ได้แม้ผู้ใช้พูดว่า "YouTube transcript" หรือ "YouTube API"
สกิล TikTok
สกิล TikTok เน้นที่ข้อความถอดเสียง โดยอ่านคำบรรยายก่อน และใช้การรู้จำเสียงกับวิดีโอที่ไม่มีคำบรรยาย วางลิงก์ TikTok แล้วเอเจนต์จะคืนข้อความสะอาดที่กำกับเวลาไว้ ใช้ยกคำ แปล หรือนำกลับมาใช้ใหม่ได้ เพราะสกิลรู้ว่าข้อความถอดเสียงคือคำตอบที่ถูกเมื่อไร จึงโหลดเมื่อมีการวางลิงก์แม้ผู้ใช้ไม่เคยพูดคำว่าถอดเสียง
สกิล Instagram
Instagram ไม่มีแทร็กคำบรรยายให้อ่าน สกิลจึงสร้างขึ้นจากการรู้จำเสียงแบบอะซิงโครนัส สกิล reel และ transcript เปลี่ยน Reel หรือโพสต์วิดีโอสาธารณะให้เป็นข้อความที่กำกับเวลา และมีสกิลทางเข้าฉบับเต็มที่รวบแพ็กไว้ เอเจนต์ส่งลิงก์แล้วตรวจสอบงานไปทำอย่างอื่นก่อน จะคืนข้อความที่เสร็จแล้ว
สกิลเวิร์กโฟลว์ที่ผลิตผลงาน
วิเคราะห์ข้อความถอดเสียง
สรุปและขุดข้อความถอดเสียงจาก YouTube, TikTok, Instagram, LinkedIn หรือ Twitter/X ออกมาเป็นรายงานที่มีบทสรุป ประเด็นสำคัญ คำพูดยกตรง ฮุก และชิ้นส่วนเนื้อหาที่นำกลับมาใช้ใหม่ได้ โดยแต่ละอย่างผูกกับแหล่งที่มา แทนที่จะอ่านฟุตเทจหนึ่งชั่วโมง คุณจะได้ข้อโต้แย้ง หลักฐาน และประโยคที่ควรนำกลับมาใช้ในครั้งเดียว
วิจัยคู่แข่ง
เปรียบเทียบคู่แข่งหรือครีเอเตอร์จากวิดีโอที่คุณนำมา หาสิ่งที่ได้ผลในกลุ่มเป้าหมายเฉพาะ และวัดเทียบหัวข้อ รูปแบบ ฮุก และประเด็นพูด การค้นหาบน YouTube ช่วยกวาดช่องและเพลย์ลิสต์ ส่วนแพลตฟอร์มอื่นส่งข้อความถอดเสียงที่คุณระบุ ผลลัพธ์คือบรีฟคู่แข่งที่อ้างอิงได้ ข้อกล่าวอ้างใดก็ตามจึงสาวกลับไปถึงวิดีโอและวินาทีที่พูดได้
นำเนื้อหากลับมาใช้ใหม่
เปลี่ยนข้อความถอดเสียงหรืองานวิจัยให้เป็นเนื้อหาที่นำกลับมาใช้ใหม่ได้ ทั้งบทความบล็อก เธรด X/Twitter สคริปต์วิดีโอสั้น จดหมายข่าว และปฏิทินเนื้อหา ส่งมอบเป็นฉบับร่างที่พร้อมแก้ไขพร้อมการระบุแหล่งที่มา ฉบับร่างเก็บถ้อยคำของผู้พูดไว้ในจุดที่สำคัญ ผลลัพธ์จึงฟังดูเหมือนต้นฉบับ ไม่ใช่บทสรุปทั่ว ๆ ไป
- บันทึกการประชุม — ข้อตัดสินใจ งานที่ต้องทำพร้อมผู้รับผิดชอบ คำถามที่ยังค้าง ความเสี่ยง และคำพูดยกจากการถอดเสียงการประชุมหรือสาย
- บันทึกการบรรยาย — บันทึกการเรียนแบบมีโครงสร้าง คำนิยาม ข้อโต้แย้งสำคัญ ตัวอย่าง และคำถามทบทวนจากการบรรยายหรือบทเรียน
- การกำหนดเส้นทาง API ถอดเสียง — สกิลชั้นข้อมูลที่ทุกเวิร์กโฟลว์เรียก เพื่อดึงข้อความถอดเสียง รันแบตช์ หรือค้นหาวิดีโอ ช่อง และเพลย์ลิสต์บน YouTube
สกิลเข้าถึง transcript.im ได้อย่างไร
สกิลไม่เคยคุยกับแพลตฟอร์มโดยตรง แต่เข้าถึง transcript.im แล้ว transcript.im จัดการแหล่งที่มาให้
- MCP ก่อน — เมื่อตั้งค่าเซิร์ฟเวอร์ MCP ของ transcript.im ไว้ สกิลจะเรียกเครื่องมือโดยตรงและได้ผลลัพธ์แบบมีโครงสร้างกลับมา
- REST สำรอง — เมื่อไม่มี MCP สกิลจะเรียกปลายทาง REST เดิมด้วยคีย์ API เดียวกัน พฤติกรรมจึงไม่ขึ้นกับว่ารันไทม์รองรับ MCP หรือไม่
- ข้อมูลรับรองชุดเดียว — คีย์อ่านจาก environment หรือการตั้งค่า MCP ของเอเจนต์ สกิลจึงไม่ต้องจัดการความลับเองหรือขอให้ผู้ใช้เข้าสู่ระบบครั้งที่สอง
- บัญชีเดียวกัน — การเรียกผ่านสกิลลงที่บัญชีและประวัติเดียวกับการเรียกจาก API หรือตัวผลิตภัณฑ์เอง
- แพ็กที่พกพาได้ — เพราะการกำหนดเส้นทางอยู่ในสกิล แพ็กเดียวกันจึงย้ายข้ามรันไทม์ได้โดยไม่ต้องแก้โค้ด
แพ็กหนึ่งชุดมีอะไรบ้าง
แต่ละแพ็กคือชุดไฟล์ SKILL.md หนึ่งสกิลทางเข้าฉบับเต็มที่รวบสกิลในแพ็กไว้ พร้อมสกิลย่อยเฉพาะทางที่เอเจนต์โหลดเองได้ เพราะแพ็กทำตามรูปแบบ Agent Skills จึงวางไว้ในโฟลเดอร์สกิลของเอเจนต์ร่วมกับสกิลอื่นที่คุณใช้อยู่ได้ และสกิลทางเข้ายังรู้ว่าเมื่อไรควรส่งต่อให้สกิลที่แคบกว่า
- YouTube — สกิลทางเข้าฉบับเต็ม พร้อมสกิลถอดเสียง ค้นหา ช่อง เพลย์ลิสต์ และคำบรรยาย และรายการชื่อแทน
youtube-transcriptกับyoutube-api - TikTok — สกิลทางเข้าฉบับเต็ม พร้อมสกิลถอดเสียงและชื่อแทน เน้นการดึงที่อ่านคำบรรยายก่อนและถอยไปใช้การรู้จำเสียง
- Instagram — สกิลทางเข้าฉบับเต็ม พร้อมสกิล
reelและtranscriptที่สร้างจากการรู้จำเสียงแบบอะซิงโครนัส - เวิร์กโฟลว์ — สกิลกำหนดเส้นทาง
transcript-apiพร้อมงานวิเคราะห์ การวิจัยคู่แข่ง การนำเนื้อหากลับมาใช้ บันทึกการประชุม และบันทึกการบรรยาย
รันไทม์ที่โหลดสกิลเหล่านี้
สกิลทำตามธรรมเนียม Agent Skills รันไทม์ใดที่อ่านรูปแบบนี้ได้จึงโหลดได้ทั้งหมด รวมถึง Claude Code, Cursor, Codex, GitHub Copilot, Gemini CLI, Windsurf, OpenClaw และ Hermes Agent สกิลคือโฟลเดอร์ Markdown กับสคริปต์เล็ก ๆ ไม่ใช่ไบนารีปลั๊กอิน จึงไม่ต้องคอมไพล์อะไรสำหรับรันไทม์ใหม่ และแพ็กที่เขียนสำหรับรันไทม์หนึ่งจะติดไปด้วยเมื่อคุณเปลี่ยนเครื่องมือ ผลในทางปฏิบัติคือเวิร์กโฟลว์ถอดเสียงเดียวกันติดตามคุณข้ามเครื่องมือ แทนที่จะผูกกับผู้ช่วยตัวแรกที่คุณตั้งค่า และคุณไม่ต้องดูแลการเชื่อมต่อแยกสำหรับแต่ละตัว
ที่เกี่ยวข้อง
คำถามที่พบบ่อยเกี่ยวกับ Agent Skills
Agent Skills ของ transcript.im คืออะไร
Agent Skills ของ transcript.im คือแพ็ก SKILL.md ที่สอนเอเจนต์ AI ว่าเมื่อไรและอย่างไรควรใช้ transcript.im เพื่อดึงข้อความถอดเสียง รันแบตช์ ค้นหาวิดีโอ YouTube และผลิตผลงานวิจัย
รันไทม์เอเจนต์ใดโหลดสกิลเหล่านี้ได้
รันไทม์ใดก็ตามที่รองรับรูปแบบ Agent Skills รวมถึง Claude Code, Cursor, Codex, GitHub Copilot, Gemini CLI, Windsurf, OpenClaw และ Hermes Agent
สกิลต้องใช้เซิร์ฟเวอร์ MCP หรือไม่
ไม่ สกิลจะเรียกเซิร์ฟเวอร์ MCP เมื่อตั้งค่าไว้ และถ้าไม่มีก็เข้าถึง REST API เดิมโดยตรงด้วยคีย์ API เดียวกัน
Agent Skills ครอบคลุมแพลตฟอร์มใดบ้าง
มีแพ็กเฉพาะสำหรับ YouTube, TikTok และ Instagram พร้อมชุดเวิร์กโฟลว์ที่ใช้ได้กับ YouTube, TikTok, Instagram, LinkedIn และ Twitter/X การถอดเสียงครอบคลุมทั้งห้าแพลตฟอร์ม ส่วนการค้นหาบน YouTube เพิ่มการค้นหา ช่อง การอัปโหลด เพลย์ลิสต์ และเมทาดาทาคำบรรยาย
สกิลเวิร์กโฟลว์ผลิตอะไรได้บ้าง
สกิลเวิร์กโฟลว์ผลิตรายงานวิเคราะห์ บรีฟคู่แข่งที่อ้างอิงได้ ฉบับร่างเนื้อหาที่นำกลับมาใช้ บันทึกการประชุม และบันทึกการบรรยาย โดยแต่ละอย่างเก็บการอ้างอิงแหล่งที่มาไว้
แพ็กสกิลถอดเสียงจัดเรียงอย่างไร
แต่ละแพ็กมาพร้อมสกิลทางเข้าฉบับเต็มหนึ่งตัวและสกิลย่อยเฉพาะทาง เอเจนต์จึงเปิดใช้ทั้งแพลตฟอร์มหรือเฉพาะส่วนที่งานต้องใช้ก็ได้
สกิลยืนยันตัวตนกับ transcript.im อย่างไร
สกิลอ่านคีย์ API จาก environment หรือการตั้งค่า MCP ของเอเจนต์แล้วส่งไปยัง transcript.im การเรียกผ่านสกิลจึงใช้บัญชีเดียวกับการเรียก API โดยตรง
เขียนสกิลเวิร์กโฟลว์ของตัวเองบน transcript.im ได้ไหม
ได้ แพ็กเป็นไฟล์ SKILL.md ธรรมดาที่มีสคริปต์ช่วยเล็ก ๆ คุณจึงเขียนสกิลในรูปแบบเดียวกัน ระบุว่าเมื่อไรควรโหลด และรันควบกับแพ็กแพลตฟอร์มได้
เพิ่มสกิลถอดเสียงให้เอเจนต์ของคุณ
เพิ่มแพ็กแพลตฟอร์มหรือแพ็กเวิร์กโฟลว์ให้เอเจนต์ของคุณ ใส่คีย์ API แล้วให้มันดึงข้อความถอดเสียง