# speech-to-text

Отдаёт агенту ElevenLabs Scribe v2: отправляет аудио или видео на распознавание и возвращает текст, метку языка и таймстемпы по словам.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 11800 установок · ★ 508
- Автор: elevenlabs
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/elevenlabs/skills/tree/HEAD/speech-to-text/SKILL.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/skills/speech-to-text

## Что делает

Скилл даёт агенту доступ к ElevenLabs Scribe v2: отправляет файл на распознавание и возвращает текст, код языка и таймстемпы по словам. Языков 90+, поэтому диктофонную запись на неродном языке тоже разберёт. Пригодится, когда транскрипт нужен рядом с кодом, а не в отдельной вкладке браузера.

Внутри три пути на выбор: клиент `elevenlabs` для Python, пакет `@elevenlabs/elevenlabs-js` для JavaScript и CLI `elevenlabs speech-to-text convert`. Модель `scribe_v2` берёт файлы до 5.0GB и до 10 часов, отдельно идут `scribe_v2_medical` для клинических записей и realtime-варианты со стримингом. Диаризация размечает, кто говорил, а `keyterms` подсказывает модели до 100 слов — имена продуктов, жаргон, непривычные написания.

Перед первым запуском нужны `ELEVENLABS_API_KEY` и доступ в интернет; ключ для проекта выдаёт `npx -y @elevenlabs/cli@latest onboard init`. Одно ограничение стоит знать заранее: `detect_speaker_roles=true` не работает вместе с `use_multi_channel=true`. Если спикеры разведены по каналам, роли `agent` и `customer` не проставить — это повод выбрать между канальной разметкой и ролями.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elevenlabs/skills --skill speech-to-text -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/speech-to-text/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/speech-to-text/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elevenlabs/skills --skill speech-to-text -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/speech-to-text/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elevenlabs/skills --skill speech-to-text -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/speech-to-text/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install elevenlabs/skills speech-to-text
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/speech-to-text/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elevenlabs/skills --skill speech-to-text -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/elevenlabs/skills --path speech-to-text
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/speech-to-text/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add elevenlabs/skills --skill speech-to-text -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/elevenlabs/skills/tree/HEAD/speech-to-text/SKILL.md

## Когда брать
- распознать запись созвона в текст с разметкой спикеров
- собрать субтитры из видео с таймстемпами по словам
- вытащить текст из диктофонной записи на одном из 90+ языков
- подсказать модели названия продуктов через `keyterms`
- подключить живой стрим и читать зафиксированные отрезки

## Примеры запросов агенту
- Распознай `meeting.mp3` через `scribe_v2` и покажи текст с таймстемпами по словам.
- Сделай транскрипт `call.mp3` с диаризацией и ролями `agent` и `customer`.
- Собери субтитры из `video.mp4`: нужны начало и конец каждого слова.

## Похожие
- [azure-speech-to-text](https://affpapa.org/nevibecode/skills/azure-speech-to-text.md) — скилл · 775 установок
- [faster-whisper](https://affpapa.org/nevibecode/skills/faster-whisper.md) — скилл · 1800 установок
- [auto-editor-transcribe](https://affpapa.org/nevibecode/skills/auto-editor-transcribe.md) — скилл · 668 установок
- [openai-whisper](https://affpapa.org/nevibecode/skills/openai-whisper.md) — скилл · 7100 установок
- [asr](https://affpapa.org/nevibecode/skills/asr.md) — скилл · 1300 установок
- [assemblyai](https://affpapa.org/nevibecode/skills/assemblyai.md) — скилл · 570 установок

Из того же набора: [elevenlabs/skills](https://affpapa.org/nevibecode/by/elevenlabs/skills.md) — 10 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md