요청은 한 번만, 이후에는 ID로 확인하세요
transcribe는 처리를 기다렸다가 스크립트의 첫 페이지를 돌려줘요. 아직 처리 중이면 받은 id를 저장하고 get_transcription으로 확인하세요. 같은 영상을 다시 제출하지 않아도 돼요. MCP 도구 문서에서 두 호출의 인자를 확인할 수 있어요.
AI 에이전트 받아쓰기를 설계할 때는 작업을 만드는 호출과 읽는 호출을 구분하세요. 새 작업은 텍스트 변환 시간을 사용할 수 있어요. 이미 있는 작업을 읽는 호출은 진행 상태나 완성된 스크립트를 확인하는 용도예요.
에이전트가 재시작해도 이어서 처리할 수 있도록 ID를 영구 저장소의 작업 상태에 남기세요. 모델의 대화 기록에만 두지 않는 게 좋아요. 입력 링크도 ID와 함께 저장해 두세요.
전체 게시물 링크는 옵션이 같은 최근 작업과 매칭할 수 있지만, 짧은 공유 링크는 제출 시점에 매칭할 수 없어요. 알고 있는 ID로 읽는 게 중복 작업을 피하는 가장 확실한 방법이에요. 아래 호출의 링크는 공개 Bluesky 동영상 게시물을 넣을 자리예요.
transcribe(url="[public bsky.app video-post URL]")
get_transcription(id="tr_8fK2Lm0PqRsTuVwXyZaBcD", from_seconds=900)에이전트에 사용 지침을 추가하세요
Agent Skill을 지원하는 에이전트는 인덱스에서 transcript1을 찾고 SKILL.md를 읽을 수 있어요. 연결 방법부터 작업을 끝까지 읽는 순서까지 안내해요.
MCP가 호출할 도구를 제공한다면, Agent Skill은 그 도구를 언제 어떻게 쓸지 알려 줘요. 작업 요청 순서와 오류 처리도 설명해요. MCP 클라이언트가 없는 REST 파이프라인에서도 같은 처리 순서를 따를 수 있어요.
llms.txt는 문서를 찾는 입구예요. 스크립트를 가져오는 엔드포인트는 아니에요. 대화형 어시스턴트에는 페이지별로 읽는 MCP가, 백그라운드 수집 서비스에는 REST API와 서명된 완료 웹훅이 잘 맞아요.
MCP와 REST는 같은 계정의 한도와 텍스트 변환 시간을 사용해요. 동시 실행 수를 제한할 때는 그 계정을 쓰는 모든 클라이언트를 함께 계산하세요.
https://transcript1.com/.well-known/agent-skills/index.json
https://transcript1.com/.well-known/agent-skills/transcript1/SKILL.mdLLM 받아쓰기 파이프라인에 원본 위치도 남기세요
API에서 타임스탬프가 있는 텍스트를 받아 모델에 넘기세요. MCP로 긴 스크립트를 읽을 때는 페이지를 나눠 컨텍스트를 관리할 수 있어요. REST로 여러 작업을 처리한다면 웹훅으로 완료를 받아 보세요.
영상 스크립트를 LLM에 연동할 때는 내용만큼 출처도 중요해요. 모델 입력에 원본 링크와 구간 시간을 함께 남기세요. 요약만 남고 출처가 사라지면 어떤 발언을 근거로 했는지 확인하기 어려워져요.
검색용으로 텍스트를 나눠 저장할 때도 원본 ID와 시작·종료 시간을 붙이세요. 단어 중간이나 화자의 발언 중간을 끊기보다, 완성된 세그먼트나 주제가 바뀌는 지점에서 나누는 게 좋아요.
요약과 정보 추출은 스크립트를 읽은 어시스턴트가 해요. 직접 인용과 바꿔 쓴 설명을 구분하고, 원본에 없는 정보는 없다고 표시하도록 요청하세요. Instagram 시연 영상처럼 화면으로만 설명한 부분은 텍스트에 없을 수 있어요. 보지 않은 화면을 추측해 채우지 않도록 하세요.
curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?format=text×tamps=true" \
-H "Authorization: Bearer $TRANSCRIPT1_API_KEY"전체를 읽었는지 확인한 뒤 분석을 마무리하세요
MCP 응답에 next_from_seconds가 있으면 아직 읽을 내용이 남아 있어요. 그 값을 다음 호출의 from_seconds로 넘기고, 어느 페이지까지 읽었는지도 기록하세요.
첫 페이지에는 도입만 있고 핵심 주장이나 결론은 뒤에 나올 수 있어요. 도구 호출이 한 번 성공했다고 영상 전체를 읽은 건 아니에요. 긴 영상은 각 페이지에서 근거를 모으고, 중간 메모에도 타임스탬프를 남긴 뒤 종합하세요. 뒤에서 앞선 말을 정정하거나 조건을 덧붙이지 않았는지도 확인하세요.
여러 영상을 비교할 때는 읽은 녹음과 가져오지 못한 녹음을 구분해 남기세요. 가져오지 못한 자료를 의견이 일치한 자료나 근거가 없는 자료로 취급하면 안 돼요.
입력 오류와 처리 중 상태를 구분하세요
login_required나 no_audio가 나오면 입력을 바꿔야 해요. 작업이 아직 실행 중이라면 같은 ID로 상태를 다시 확인하면 돼요. 사용자나 상위 워크플로에도 이 차이를 그대로 전달하세요. 가져오기에 실패한 자료를 빈 스크립트로 바꾸면, 모델이 말이 없는 녹음으로 오해할 수 있어요.
AI 에이전트 음성 처리에 로컬 파일을 쓰려면 파일을 업로드할 수 있는 실행 환경이 필요해요. MCP는 업로드를 예약하고 완료해요. 실제 파일 데이터는 MCP 밖에서 HTTP PUT으로 전송해야 해요.
어시스턴트가 파일 데이터를 보낼 수 없다면 대시보드에서 업로드하도록 안내하세요. 그 뒤 만들어진 작업 ID를 받으면 평소와 같은 도구로 스크립트를 읽을 수 있어요.