9routerx-stt — скилл для Claude Code: что делает и как установить
Скилл 9routerx-stt для Claude Code и Codex отправляет запросы к шлюзу 9RouterX. Распознаёт аудиозаписи и создаёт субтитры через модели OpenAI Whisper, Groq, Gemini, Deepgram или ElevenLabs.
MIT ★ 259 обновлён 2026-11-16
npx skills add yanstd888/9routerx --skill 9routerx-stt -a claude-codeЧто делает 9routerx-stt
Скилл переводит речь в текст через единый эндпоинт POST /v1/audio/transcriptions, совместимый с API OpenAI Whisper. Агент передаёт аудиофайл в формате mp3, wav, m4a, webm, ogg или flac, указывает идентификатор модели и при желании настраивает язык ISO-639-1, подсказку prompt или температуру. Ответ возвращается обычным текстом, сырым JSON, расширенным verbose_json с таймкодами сегментов либо готовыми субтитрами srt и vtt.
Маршрутизатор сам адаптирует запросы под целевые сервисы: преобразует вызовы к Gemini в инлайн-аудио, опрашивает асинхронный API AssemblyAI или подставляет токены для Deepgram и ElevenLabs. У ElevenLabs при этом есть специфика: провайдер не принимает параметры prompt и temperature, а при одновременной передаче diarize и num_speakers приоритет отдаётся флагу диаризации.
Для отправки запросов обязательно нужна переменная окружения 9ROUTERX_URL, а если на шлюзе включена авторизация — секрет 9ROUTERX_KEY. Список доступных в системе моделей агент проверяет командой к /v1/models/stt.
Какие задачи решает
- расшифровать голосовые заметки или интервью из аудиофайла
- сгенерировать субтитры в форматах srt или vtt для видеоролика
- получить детальный таймлайн реплик с метками времени через verbose_json
- передать распознавание речи на быстрые инференс-серверы Groq или NVIDIA
Примеры запросов агенту
- Транскрибируй файл interview.mp3 через модель groq/whisper-large-v3
- Сделай субтитры srt из лекции webinar.wav на русском языке
- Распознай речь в voice.m4a через deepgram/nova-3 и верни verbose_json
Как установить 9routerx-stt
1Через Skills CLI (Vercel)
npx skills add yanstd888/9routerx --skill 9routerx-stt -a claude-code2Вручную: положить файлы
~/.claude/skills/9routerx-stt/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/9routerx-stt/
1Через Skills CLI (Vercel)
npx skills add yanstd888/9routerx --skill 9routerx-stt -a codex2Вручную: положить файлы
.agents/skills/9routerx-stt/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add yanstd888/9routerx --skill 9routerx-stt -a cursor2Вручную: положить файлы
.cursor/skills/9routerx-stt/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install yanstd888/9routerx skills/9routerx-stt2Вручную: положить файлы
.github/skills/9routerx-stt/SKILL.md1Через Skills CLI (Vercel)
npx skills add yanstd888/9routerx --skill 9routerx-stt -a gemini-cli2Командой платформы
gemini skills install https://github.com/yanstd888/9routerx --path skills/9routerx-sttВручную: положить файлы
.devin/skills/9routerx-stt/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о 9routerx-stt
Как установить 9routerx-stt в Claude Code?
Выполните команду npx skills add yanstd888/9routerx --skill 9routerx-stt -a claude-code. Файл навыка сохранится по пути ~/.claude/skills/9routerx-stt/SKILL.md.
Что делает 9routerx-stt?
Принимает аудиозаписи различных форматов и отправляет их в шлюз 9RouterX для транскрибации, поддерживая вывод в виде текста, JSON или файлов субтитров.
Что нужно для работы 9routerx-stt?
Требуется работающий сервер 9RouterX с заданным адресом в переменной 9ROUTERX_URL. Если на сервере включена защита, также понадобится ключ доступа 9ROUTERX_KEY.
Исходный текст
SKILL.md · MIT
--- name: 9routerx-stt description: Speech-to-text via 9RouterX /v1/audio/transcriptions using OpenAI Whisper / Groq / Gemini / Deepgram / AssemblyAI / NVIDIA / HuggingFace models. Use when the user wants to transcribe audio, convert speech to text, or get subtitles from audio files. --- # 9RouterX — Speech-to-Text Requires `9ROUTERX_URL` (and `9ROUTERX_KEY` if auth enabled). See https://raw.githubusercontent.com/yanstd888/9routerx/refs/heads/main/skills/9routerx/SKILL.md for setup. ## Discover ```bash curl $9ROUTERX_URL/v1/models/stt | jq '.data[].id' # Per-model params (language, response_format, prompt, temperature support) curl "$9ROUTERX_URL/v1/models/info?id=openai/whisper-1" ``` `model` = STT model ID (e.g. `openai/whisper-1`, `groq/whisper-large-v3`, `deepgram/nova-3`, `gemini/gemini-2.5-flash`). ## Endpoint `POST $9ROUTERX_URL/v1/audio/transcriptions` (OpenAI Whisper compatible, `multipart/form-data`) | Field | Required | Notes | |---|---|---| | `model` | yes | from `/v1/models/stt` | | `file` | yes | audio file (mp3, wav, m4a, webm, ogg, flac) | | `language` | no | ISO-639-1 (e.g. `en`, `vi`) | | `prompt` | no | hint text to guide transcription | | `response_format` | no | `json` (default) / `text` / `verbose_json` / `srt` / `vtt` | | `temperature` | no | 0–1 | ## Examples ```bash curl -X POST "$9ROUTERX_URL/v1/audio/transcriptions" \ -H "Authorization: Bearer $9ROUTERX_KEY" \ -F "model=openai/whisper-1" \ -F "[email protected]" \ -F "language=vi" ``` JS (Node): ```js import { createReadStream } from "node:fs"; const form = new FormData(); form.append("model", "groq/whisper-large-v3-turbo"); form.append("file", new Blob([await (await import("node:fs/promises")).readFile("audio.mp3")]), "audio.mp3"); const r = await fetch(`${process.env.9ROUTERX_URL}/v1/audio/transcriptions`, { method: "POST", headers: { "Authorization": `Bearer ${process.env.9ROUTERX_KEY}` }, body: form, }); const { text } = await r.json(); console.log(text); ``` ## Response shape Default (`response_format=json`): ```json { "text": "Xin chào, đây là bản ghi âm." } ``` `verbose_json` adds `language`, `duration`, `segments[]` with timestamps. `srt` / `vtt` return subtitle text. ## Provider quirks | Provider | `model` format | Notes | |---|---|---| | `openai` | `whisper-1`, `gpt-4o-transcribe`, `gpt-4o-mini-transcribe` | Native OpenAI shape | | `groq` | `whisper-large-v3`, `whisper-large-v3-turbo`, `distil-whisper-large-v3-en` | Fastest; OpenAI shape | | `gemini` | `gemini-2.5-flash`, `gemini-2.5-pro`, `gemini-2.5-flash-lite` | Server converts to `generateContent` with audio inline | | `deepgram` | `nova-3`, `nova-2`, `whisper-large` | Token auth; server adapts response | | `assemblyai` | `universal-3-pro`, `universal-2` | Async upload+poll handled server-side | | `nvidia` | `nvidia/parakeet-ctc-1.1b-asr` | NIM endpoint | | `huggingface` | `openai/whisper-large-v3`, `openai/whisper-small` | HF Inference API | | `elevenlabs` | `scribe_v1`, `scribe_v2` | Whisper-compatible shape; `xi-api-key` auth, not Bearer. Extra params: `timestamps_granularity` (`word`/`character`/`none`), `tag_audio_events`, and speaker labelling via **either** `diarize=true` **or** `num_speakers` (1–32) — sending both makes the request invalid, so `diarize` wins and `num_speakers` is dropped. Blank `language` is omitted upstream for auto-detect. `srt`/`vtt` and `verbose_json` segments are served from Scribe's own `additional_formats` render, so `segments[]` is omitted when the upstream render is unavailable rather than synthesized. Does not accept `temperature` or `prompt` — those are not forwarded. |
© yanstd888 · MIT · yanstd888/9routerx