Des transcriptions pour agents IA et pipelines LLM

transcribe attend la transcription et en renvoie la première page. Si elle n’est pas encore prête, l’agent reçoit un id : il appelle ensuite get_transcription, sans soumettre à nouveau la vidéo. Les arguments figurent dans la référence des outils MCP.

Distinguez les appels qui lancent un travail de ceux qui le consultent. Créer une transcription peut consommer des minutes. Lire son état ou son texte ne relance pas le traitement. Enregistrez l’ID dans l’état persistant de la tâche : l’historique de conversation du modèle ne suffit pas si l’agent redémarre.

Pour une liste de vidéos, conservez chaque lien à côté de son ID. Un lien complet permet de retrouver une transcription récente avec les mêmes options ; un lien court ne le permet pas au moment de l’envoi. Consulter un ID connu reste le moyen le plus direct d’éviter un doublon. L’exemple ci-dessous utilise un lien de publication vidéo publique Bluesky à remplacer.

Les agents compatibles avec les skills peuvent découvrir transcript1 dans l’index, puis lire les instructions de SKILL.md.

MCP fournit les outils à appeler. L’Agent Skill explique dans quel ordre les utiliser et comment réagir aux erreurs. Vous pouvez suivre le même cycle dans un pipeline REST, sans client MCP. Le fichier llms.txt sert de porte d’entrée vers la documentation : il ne récupère pas de transcription.

Choisissez selon le contexte d’exécution. Un assistant interactif profite de la lecture par pages de MCP. Un service d’import en arrière-plan peut préférer REST et les webhooks signés. Les deux utilisent les mêmes limites de compte et la même réserve de minutes : comptez tous vos clients quand vous gérez les traitements simultanés.

Récupérez le texte et ses horodatages, puis transmettez-les à votre modèle. La documentation des exports décrit l’appel ci-dessous. Avec MCP, lisez les longues transcriptions par pages. Pour des traitements REST en série, utilisez un webhook.

Gardez le lien source et les temps de début et de fin dans les données envoyées au modèle. Pour la recherche, stockez les extraits avec l’ID de la source et leurs repères temporels. Découpez aux limites des segments ou lors d’un changement de sujet, sans couper un mot ni une prise de parole.

Le résumé ou l’extraction revient ensuite à votre assistant, pas à transcript1. Demandez-lui de distinguer les citations des reformulations et de signaler ce que la source ne dit pas. Une transcription de démonstration Instagram peut contenir « cliquez ici » sans nommer le bouton montré à l’écran : le modèle ne doit pas inventer cette information.

Tant que next_from_seconds est présent, il reste du texte. Passez cette valeur comme from_seconds à l’appel suivant et notez les pages déjà lues. Une première page peut présenter le sujet sans contenir l’argument principal ni la conclusion. Un appel réussi ne suffit donc pas pour annoncer l’analyse de toute la vidéo.

Sur un long enregistrement, recueillez les éléments de chaque page avant de rédiger la synthèse. Gardez les horodatages dans les notes intermédiaires et cherchez les nuances ou corrections apportées plus loin. Si vous comparez plusieurs vidéos, indiquez celles qui ont été lues et celles qui ont échoué. Une source indisponible ne vaut ni accord ni absence de preuve.

Si la transcription est en cours, consultez à nouveau son statut. Si vous recevez login_required ou no_audio, il faut une autre source. Faites remonter cette différence à l’utilisateur ou au processus qui pilote l’agent. Ne remplacez jamais une erreur de source par une transcription vide : le modèle pourrait en déduire que personne n’a parlé.

Pour un fichier local, l’environnement de l’agent doit pouvoir envoyer des données par HTTP. MCP prépare l’upload et le finalise, mais les octets passent par des appels PUT en dehors de MCP. Si l’assistant ne peut pas les effectuer, demandez à l’utilisateur d’importer le fichier dans le tableau de bord. L’agent pourra ensuite lire la transcription à partir de son ID.