ElevenLabs Scribe Transcriber

ElevenLabs の Scribe モデルを使用して音声ファイルや動画ファイル、YouTube の動画を文字起こしするシンプルなツールです。 MCP サーバーとして動作させることで、Claude Desktop などの MCP クライアントと連携して音声認識を行うこともできます。

特徴

• 高精度な文字起こし
• 話者ダイアライゼーション（複数話者の識別）
• 音声イベントのタグ付け（笑い声など）
• 複数の言語をサポート
• 音声ファイルと動画ファイルの両方に対応
• YouTube の動画 URL から直接ダウンロードして文字起こし
• MCP (Model Context Protocol) サーバー対応 - Claude Desktop などと連携可能

インストール

npm パッケージとしてインストール

npm install -g elevenlabs-scribe-transcriber

グローバルインストール後、ELEVENLABS_API_KEY 環境変数を設定してください：

export ELEVENLABS_API_KEY=your_api_key_here

ソースコードからのセットアップ

1. リポジトリをクローン：

git clone https://github.com/shuntagami/elevenlabs-scribe-transcriber-ts.git
cd elevenlabs-scribe-transcriber-ts

2. 依存関係をインストール：

npm install

3. .envファイルを作成し、ElevenLabs の API キーを設定：

ELEVENLABS_API_KEY=your_api_key_here

API キーはElevenLabs 公式サイトで取得できます。

4. TypeScript をコンパイル：

npm run build

使用方法

npm パッケージとしてインストールした場合

# 基本的な使い方
elevenlabs-scribe-transcriber 音声ファイル.mp3

# YouTubeの動画から文字起こし
elevenlabs-scribe-transcriber https://www.youtube.com/watch?v=VIDEO_ID

# YouTube Shorts 形式のURLにも対応
elevenlabs-scribe-transcriber https://www.youtube.com/shorts/VIDEO_ID

# 音声イベントのタグ付けを無効化
elevenlabs-scribe-transcriber 音声ファイル.mp3 --no-audio-events

# JSON形式で詳細情報を出力
elevenlabs-scribe-transcriber 音声ファイル.mp3 --format json

# 話者識別を無効化
elevenlabs-scribe-transcriber 音声ファイル.mp3 --no-diarize

ソースコードから実行する場合

# 基本的な使い方
npm run transcribe -- 音声ファイル.mp3

# YouTubeの動画から文字起こし
npm run transcribe -- https://www.youtube.com/watch?v=VIDEO_ID

# YouTube Shorts 形式のURLにも対応
npm run transcribe -- https://www.youtube.com/shorts/VIDEO_ID

# 音声イベントのタグ付けを無効化
npm run transcribe -- 音声ファイル.mp3 --no-audio-events

# JSON形式で詳細情報を出力
npm run transcribe -- 音声ファイル.mp3 --format json

# 話者識別を無効化
npm run transcribe -- 音声ファイル.mp3 --no-diarize

オプション

引数:
  input-path            文字起こしする音声・動画ファイルのパス、またはYouTubeのURL

オプション:
  -e, --no-audio-events    音声イベントのタグ付けを無効にする (デフォルト: 有効)
  -f, --format <format>    出力形式 (text または json) (デフォルト: "text")
  -o, --output <file>      出力ファイルのパス (指定しない場合は自動生成)
  --output-dir <dir>       出力ディレクトリ (デフォルト: "transcripts")
  --num-speakers <number>  話者数 (デフォルト: 2)
  --no-diarize             話者識別を無効にする (デフォルト: 有効)
  -h, --help               ヘルプを表示

MCP サーバーとして使用する

このツールは Model Context Protocol (MCP) サーバーとして動作させることができ、Claude Desktop などの MCP クライアントと連携して音声認識を行うことができます。

MCP サーバーの起動

npm run mcp-server

Claude Desktop との連携方法

基本的な手順:

1. Claude Desktop の設定ファイル (~/Library/Application Support/Claude/claude_desktop_config.json) を編集
2. MCP サーバーの設定を追加
3. Claude Desktop を再起動
4. Claude との会話で youtube のリンクを指定して文字起こしを頼むと MCP サーバーを勝手に使ってくれます

flowchart TD
    A[Claude Desktop] -->|ツールリクエスト| B[MCP サーバー]
    B --> C{入力タイプ}
    C -->|YouTubeリンク| D[YouTube動画ダウンロード]
    C -->|ローカルファイル| E[ファイル処理]
    D --> F[ElevenLabs APIで文字起こし]
    E --> F
    F --> G[結果をClaudeに返す]
    G --> A

Claude Desktop の設定

ElevenLabs Transcriber を Claude Desktop で使用するには:

1. Claude Desktop App の設定ファイル ~/Library/Application Support/Claude/claude_desktop_config.json をテキストエディタで開きます（ファイルが存在しない場合は作成してください）

2. 以下の設定を追加します

{
  "mcpServers": {
    "elevenlabs-transcriber": {
      "command": "node",
      "args": [
        "/ABSOLUTE/PATH/TO/elevenlabs-scribe-transcriber-ts/dist/mcp-server.js"
      ],
      "env": {
        "ELEVENLABS_API_KEY": "YOUR_ELEVENLABS_API_KEY",
        "PROJECT_ROOT": "/ABSOLUTE/PATH/TO/elevenlabs-scribe-transcriber-ts"
      }
    }
  }
}