Transcripciones para agentes de IA y tus pipelines de LLM

transcribe espera la transcripción y devuelve la primera página. Si todavía no termina, entrega un id: guárdalo y consulta get_transcription en lugar de volver a enviar el video. Revisa los argumentos en la referencia de herramientas MCP.

Separa las llamadas que crean una transcripción de las que consultan una existente. Crear trabajo puede consumir minutos; consultar el ID sirve para revisar el avance o leer el texto. Guarda ese ID en el estado persistente de la tarea, no solo en la conversación del modelo: el agente podría reiniciarse.

Si procesas varios videos, conserva la URL junto a cada ID. Un enlace completo permite buscar una transcripción reciente con las mismas opciones; uno corto no se puede comparar al enviarlo. Leer un ID conocido es la forma más directa de evitar un segundo trabajo. En el ejemplo, sustituye el marcador por la URL de una publicación pública de Bluesky con video.

Si tu agente admite Agent Skills, puede encontrar transcript1 en el índice y leer SKILL.md. Ahí tiene la secuencia de llamadas y cómo responder ante errores.

MCP aporta las herramientas; el Agent Skill explica cómo usarlas. Un pipeline propio por REST puede seguir el mismo proceso sin un cliente MCP. llms.txt solo indica dónde está la documentación: no es un endpoint para obtener transcripciones.

Elige según dónde corra el agente. En un asistente interactivo, MCP facilita leer por páginas. En un servicio en segundo plano, usa REST y webhooks de finalización con firma. Ambos consumen los mismos minutos y comparten los límites de la cuenta, así que controla la concurrencia contando todos tus clientes.

Pide el texto con marcas de tiempo y pásalo a tu modelo. La referencia de exportación explica la llamada del ejemplo. Con MCP, recorre las páginas para no saturar el contexto; con REST, recoge las transcripciones mediante webhooks.

Guarda la URL o el ID de la fuente junto al texto y sus tiempos. Si vas a crear un índice de búsqueda, conserva el inicio y el final de cada fragmento. Corta entre segmentos completos o al cambiar de tema, no a mitad de una palabra ni de una intervención.

El resumen y la extracción los hace tu asistente, no transcript1. Pídele que distinga citas de paráfrasis y que señale lo que la fuente no dice. Una transcripción de video para un LLM puede incluir la explicación de una demo de Instagram, pero no las instrucciones que solo se ven en pantalla.

Mientras quede texto, MCP devuelve next_from_seconds. Pasa ese valor como from_seconds en la siguiente consulta y registra las páginas leídas. La primera puede presentar el tema sin llegar al argumento principal ni a la conclusión.

Para resumir todo el video, reúne notas de cada página y conserva sus marcas de tiempo. Busca también correcciones o matices posteriores. Si comparas varias grabaciones, indica cuáles se leyeron y cuáles fallaron; una fuente que no se pudo consultar no cuenta como acuerdo ni como prueba de que algo no se dijo.

Un error login_required o no_audio pide otra fuente; una transcripción en curso pide otra consulta de estado. Explica esa diferencia al usuario o al flujo que llamó al agente. No sustituyas una fuente fallida por texto vacío: el modelo podría interpretarlo como silencio.

Para archivos locales, el entorno del agente debe poder subir los bytes por HTTP PUT. MCP reserva y completa la subida, pero el archivo viaja fuera de MCP. Si el asistente no puede hacerlo, pide al usuario que suba el archivo desde el panel y después continúa con el ID de esa transcripción.