# AI エージェント 文字起こしを、LLMの検索・引用・要約につなぐ > AI エージェント 文字起こしをMCP、Agent Skill（SKILL.md）、REST APIから呼び出せます。動画リンクや録音をテキストにし、長い文字起こしもタイムスタンプ付きで少しずつ読み進められます。 Canonical: https://transcript1.com/ja/use-cases/ai-ejento-mojiokoshi Language: ja Last updated: 2026-10-19 AI エージェント 文字起こしを組み込むと、動画や録音の内容をタイムスタンプ付きのテキストでLLMに渡せます。接続方法はMCP、Agent Skill、REST APIから選べます。YouTube、X、TikTok、Instagram、Facebook、Blueskyの動画リンクに対応します。Twitchのクリップと配信終了後のVOD、Dailymotionの動画、Pinterestの動画ピン、LinkedInの動画投稿、Snapchat Spotlightの動画や、アップロードした録音も使えます。 - 8つのツールを備えたMCPサーバー - SKILL.mdで読み込めるAgent Skill - 長いテキストはページ単位で取得 ## 取得して終わりではなく、最後まで読める設計に ### 普段のアシスタントから呼び出せます Claude、ChatGPT、Cursor、VS Code、Claude Codeをhttps://api.transcript1.com/mcpに接続すると、文字起こしのツールを直接呼び出せます。 ### 呼び出し方もエージェントに渡せます SKILL.mdには接続方法、使うツール、重複したジョブを作らないための手順をまとめています。APIドキュメントの入口にはllms.txtを使えます。 ### 長い録音も区切って読めます MCPでは標準で各行にタイムスタンプが付いたテキストを返します。長い文字起こしはセグメントの切れ目で区切り、next_from_secondsで続きを案内します。 ### 取得済みなら、同じジョブを読みます 短縮していない動画URLなら、transcribeは過去24時間以内に作成した同じ動画・設定の文字起こしを再利用します。短縮URLは対象外です。IDがわかっていればget_transcriptionでそのジョブを読めます。 ### バックグラウンド処理にはREST APIを まとめて処理する場合も同じAPIを使えます。Webhookで完了を受け取り、JSONのセグメントや単語ごとのタイムスタンプを後続の処理に渡せます。 ## 文字起こしを依頼したら、以後はジョブIDで追跡します transcribeは文字起こしを待ち、完了すれば最初のページを返します。まだ処理中なら、返されたidを保存してget_transcriptionで確認します。同じ動画を再送する必要はありません。引数は[MCPツールのリファレンス](https://transcript1.com/ja/docs/mcp#tools)で確認できます。 エージェントへの指示では、ジョブを作る操作と、既存のジョブを読む操作を分けてください。新しい文字起こしを依頼すると、利用できる分数を消費することがあります。進捗や完成したテキストを確認するだけなら、既存のジョブを読んでください。 ジョブIDは会話のコンテキストだけに置かず、再起動後も読めるタスクの状態に保存します。複数の動画を処理するときは、入力したURLもIDと組にして残してください。 投稿のURLを短縮せずに渡すと、同じ設定で作った最近の文字起こしと照合できます。短縮URLは送信時に照合できません。重複を避けるには、保存したIDで元のジョブを読む方法が確実です。 次の例では、Blueskyの公開動画投稿を指定します。 ### MCPツールの呼び出し例 ``` transcribe(url="[public bsky.app video-post URL]") get_transcription(id="tr_8fK2Lm0PqRsTuVwXyZaBcD", from_seconds=900) ``` ## Agent Skillで、取得手順も共有します Agent Skillに対応するエージェントは、インデックスからtranscript1を見つけ、SKILL.mdの手順を読み込めます。 MCPは呼び出せるツールを提供し、Agent Skillは呼び出す順序やエラーへの対処を伝えます。MCPクライアントを使わないREST APIの連携でも、同じ手順を参考にできます。 llms.txtはドキュメントへの入口です。文字起こしを取得するエンドポイントではありません。 対話型のアシスタントには、ページ単位でテキストを読めるMCPが向いています。バックグラウンドで録音を取り込むサービスには、REST APIと署名付きの完了Webhookを組み合わせられます。 どの接続方法でも、アカウントの上限と文字起こしの分数は共通です。同時実行数を管理するときは、同じアカウントを使うほかのクライアントの処理も含めてください。 ### Agent Skillのインデックスとファイル ``` https://transcript1.com/.well-known/agent-skills/index.json https://transcript1.com/.well-known/agent-skills/transcript1/SKILL.md ``` ## LLMに渡すテキストには、出典と時刻を残します APIから[タイムスタンプ付きのテキストを取得](https://transcript1.com/ja/docs/api-reference#get-a-transcription)して、モデルに渡せます。MCPで長い文字起こしを読む場合は、コンテキストに収まるようページ単位で取得します。REST APIで複数のジョブを動かす場合は、[Webhook](https://transcript1.com/ja/features/mojiokoshi-webhook)で完了を受け取れます。 文字起こしをLLMのパイプラインに入れるときも、動画のURLやID、セグメントの開始・終了時刻を残します。出典のない文章だけを渡すと、要約後に元の発言を確かめにくくなります。 検索用にテキストを分けるなら、セグメントの切れ目や話題の変わり目を使います。単語の途中や発言の途中で切らず、分けたテキストにも出典IDと時刻を付けて保存してください。 要約や情報の抽出を行うのは、文字起こしを読んだアシスタントです。引用と要約を区別し、元の発言にない情報はないと示すよう指示します。 Instagramの操作デモでは、画面だけで説明している手順が抜けることがあります。テキストにない操作を、モデルの推測で補わないようにしてください。 ### cURL ``` curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?format=text×tamps=true" \ -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" ``` ## 全体の要約なら、最後まで読んだか確かめます MCPのレスポンスにnext_from_secondsがあれば、まだ続きがあります。その値を次のfrom_secondsに指定し、どのページを読んだか記録してください。 最初のページが導入だけで終わることもあります。ツールの呼び出しが成功しただけでは、動画全体を読んだことにはなりません。全体を要約する前に、最後まで取得できたか確認します。 長い録音は、各ページから根拠を集めてから全体をまとめます。途中のメモにも時刻を残し、後半で発言を訂正したり、条件を付け加えたりしていないか確かめてください。 複数の動画を比べるときは、読めた録音と取得できなかった録音を分けて残します。取得の失敗を、意見の一致や根拠の不在として扱わないためです。 - [Blueskyの動画を文字起こしする](https://transcript1.com/ja/features/bluesky-douga-mojiokoshi) - [Instagramで取得できる音声と画面情報の違い](https://transcript1.com/ja/features/instagram-riru-mojiokoshi) ## 入力を直すべきエラーか、待てばよい状態かを分けます login_requiredやno_audioなら、別の入力が必要です。まだ処理中なら、同じジョブの状態を読みます。この違いをユーザーや呼び出し元にも伝えてください。取得できなかった録音を空のテキストで返すと、モデルが無音だったと誤解することがあります。 ローカルファイルを送るには、ファイルをアップロードできる実行環境が必要です。MCPでアップロードを予約して完了を通知しますが、ファイル本体はMCPの外でHTTPのPUTリクエストにより送信します。 アシスタントの環境から送信できない場合は、ダッシュボードでアップロードするよう案内します。その後は作成されたジョブIDを使い、通常のツールで文字起こしを読めます。 - [MCPの設定・ページ取得・ファイル送信を確認する](https://transcript1.com/ja/docs/mcp) ## よくある質問 ### どのアシスタントから使えますか？ リモートMCPサーバーに対応するクライアントから使えます。Claude、ChatGPT、Cursor、VS Code、Claude Codeなどに接続できます。SKILL.mdを読めるエージェントにはAgent Skillも用意しています。 ### エージェントの認証はどうしますか？ ClaudeとChatGPTはOAuthでログインします。ほかのエージェントでは、t1_で始まるAPIキーを作り、Bearerトークンとして送信します。 ### 長い文字起こしも全部読めますか？ はい。セグメントの切れ目でページを区切ります。レスポンスにnext_from_secondsがあれば、その値をfrom_secondsに指定して続きを取得します。 ### 再取得すると、文字起こしの分数をまた使いますか？ 短縮していない動画URLなら、transcribeは過去24時間以内に作成した同じ動画・設定の文字起こしを再利用するため、追加の課金はありません。短縮URLは対象外です。IDがわかっていれば、get_transcriptionで既存のジョブを読むと追加の課金はありません。 ### ClaudeでYouTubeの動画を要約できますか？ はい。transcript1がMCPで文字起こしを渡し、読んだテキストをもとにClaudeが要約を書きます。transcript1自体は要約しません。文字起こしを自分のLLMパイプラインに渡すこともできます。 ## あわせて読む - [MCP連携](https://transcript1.com/ja/features/mcp-mojiokoshi) - [MCPサーバーの接続設定 （ドキュメント）](https://transcript1.com/ja/docs/mcp) - [Webhook](https://transcript1.com/ja/features/mojiokoshi-webhook) - [TikTokの文字起こし](https://transcript1.com/ja/features/tiktok-mojiokoshi)