Speech to text

Transcreve arquivos de áudio em português brasileiro para texto, suportando vários formatos e incluindo timestamps.

Speech-to-Text (STT) Skill

Transcreve arquivos de áudio para texto usando OpenAI Whisper, otimizado para português (Brasil).

When to use

• Converter mensagens de voz ou áudios para texto
• Transcrever áudios do WhatsApp, Telegram, etc.
• Processar formatos: OGG, WAV, MP3, M4A, FLAC, AAC, OPUS
• Obter transcrições com timestamps
• Processar conteúdo em português brasileiro

Tools

• stt_transcribe: Transcreve um arquivo de áudio específico
• stt_watch: Inicia monitoramento contínuo da pasta inbound
• stt_batch: Processa todos os áudios pendentes de uma vez

Setup

1. Instalar dependências:

pip install -r requirements.txt

2. Instalar FFmpeg (necessário pelo Whisper):

• Windows: execute install_ffmpeg.cmd ou winget install "Gyan.FFmpeg"
• macOS: brew install ffmpeg
• Linux: sudo apt install ffmpeg

3. Criar pasta de entrada:

  mkdir -p ../../../media/inbound

Usage

Transcrever arquivo específico

python stt_processor.py --file /caminho/para/audio.ogg

Transcrever todos os áudios pendentes

python stt_processor.py