Transcripties voor AI-agents en je LLM-pipeline

transcribe wacht op de transcriptie en geeft het eerste deel terug. Loopt de job nog? Bewaar het id en vraag met get_transcription de status op. Stuur de video niet opnieuw in. De argumenten van beide tools staan in de MCP-toolreferentie.

Geef je agent twee aparte taken: een transcriptie starten en een bestaande job volgen. Alleen bij het starten vraag je nieuw werk aan dat minuten kan kosten. Een statuscheck of het lezen van een transcript dat al klaar is, kost geen nieuwe minuten.

Sla het job-id op in de vaste taakgegevens van je applicatie. Alleen de chatgeschiedenis van het model is niet genoeg: na een herstart moet je agent dezelfde job kunnen terugvinden.

Bewaar bij een lijst video’s steeds de link naast het id. Een volledige postlink kan bij het insturen overeenkomen met een recente job met dezelfde opties. Een korte deellink kunnen we dan niet matchen. Een bekend id gebruiken blijft de eenvoudigste manier om geen tweede job te starten.

In het voorbeeld hieronder vervang je de tijdelijke URL door de link naar een openbare Bluesky-videopost.

Een agent die skills ondersteunt, vindt transcript1 via de index en leest de instructies in SKILL.md.

MCP geeft je agent tools om aan te roepen. De Agent Skill legt uit in welke volgorde dat moet en wat hij bij fouten doet. Je eigen REST-integratie kan dezelfde stappen volgen, ook zonder MCP-client.

llms.txt wijst de weg naar de documentatie. Het is geen endpoint om transcripts op te halen.

Kies wat bij je applicatie past. Voor een interactieve assistent zijn MCP-tools met tekst in delen handig. Een achtergrondservice kan REST-requests sturen en ondertekende webhooks ontvangen zodra een transcriptie klaar is.

MCP en REST gebruiken dezelfde accountlimieten en minuten. Tel daarom alle clients mee als je bepaalt hoeveel transcripties je tegelijk start.

Haal de tekst met tijdstempels op en geef die aan je model. Het request hieronder staat uitgelegd bij transcripts ophalen via de API. Lees lange MCP-transcripts in delen. Voor een reeks REST-jobs kun je webhooks gebruiken.

Bewaar de bronlink en de begin- en eindtijd bij de tekst die je aan het model geeft. Zo kun je een uitspraak na het samenvatten nog in de opname terugvinden.

Sla voor retrieval stukken tekst op met het bron-id en de bijbehorende tijden. Knip bij een afgerond segment of een onderwerpwissel. Breek geen woord of spreekbeurt doormidden.

Je assistent schrijft de samenvatting of haalt informatie uit de tekst; transcript1 levert het transcript. Vraag je model om citaten en parafrases uit elkaar te houden en aan te geven welke informatie in de bron ontbreekt.

Een Instagram-demo kan stappen laten zien die niemand uitspreekt. Laat je model die ontbrekende scherminformatie niet raden.

Zolang er tekst over is, bevat een MCP-antwoord next_from_seconds. Geef die waarde mee als from_seconds voor het volgende deel. Houd in je taakgegevens bij welke delen al gelezen zijn.

De eerste pagina kan alleen de inleiding bevatten. Voor een samenvatting van de hele video moet je agent ook de uitleg en het slot hebben gelezen. Een geslaagde toolaanroep zegt nog niets over die volledigheid.

Verzamel bij lange opnames eerst aantekeningen uit alle relevante delen, met tijdstempels. Controleer of iemand later een uitspraak afzwakt of corrigeert voordat je de uiteindelijke samenvatting laat schrijven.

Vergelijk je meerdere opnames? Vermeld welke transcripts de agent heeft gelezen en welke bronnen niet beschikbaar waren. Een mislukte transcriptie mag niet meetellen als instemming of als bewijs dat iets niet is gezegd.

Bij login_required of no_audio heeft je agent een andere bron nodig. Bij een job die nog loopt, volstaat een nieuwe statuscheck. Geef dat verschil door aan de gebruiker of de volgende stap in je applicatie.

Geef een bronfout nooit door als een leeg transcript. Je model kan dat ten onrechte opvatten als een opname waarin niemand iets zegt.

Voor lokale bestanden moet de omgeving van je agent bytes kunnen uploaden. MCP reserveert de upload en rondt hem af; de bytes verstuur je buiten MCP met HTTP PUT-requests. Kan je assistent dat niet? Laat de gebruiker het bestand in het dashboard uploaden. Daarna kan de agent met het job-id verder.