Sponsored by Vmake Labs Video Enhancer - Vmake Labs Video Enhancerは、AIを使用して動画の画質を向上させ、ディテールを復元し、ぼやけを低減しながら最大8Kまでアップスケールできるツールです。

AI広告ライブラリ

Openclaw Skills

Speech Notes

Openclaw向けSpeech Notes

生の音声録音を、専門的に構造化されたインパクトのある議事録や講義の要約に変換するために設計された、洗練された AI スキルです。

guoqunabc

v1.0.0

Mar 7, 2026

インストール

概要情報

Skill.md

インストール＆ダウンロード

1. ClawHub CLI

レジストリから直接スキルをインストールする最速の方法です。


                  npx clawhub@latest install speech-notes

2. 手動インストール

スキルフォルダを以下のいずれかの場所にコピーしてください

グローバル

~/.openclaw/skills/

ワークスペース

<project>/skills/

優先順位：ワークスペース > ローカル > バンドル

3. プロンプトのインストール

このプロンプトをOpenClawにコピーするだけで、自動的にインストールされます。


                  Clawhubを使って speech-notes をインストールして。Clawhubがインストールされていない場合は、先にインストールしてください（npm i -g clawhub）。

ダウンロードをご希望ですか？

ZIPアーカイブで生のスキルファイルを取得します。

Speech Notes とは？

Speech Notes スキルは、Openclaw Skills エコシステム内で音声を洗練されたドキュメントに変換するための包括的なパイプラインを提供します。技術的な音声の最適化（セグメンテーションと圧縮）から始まり、Gemini や Qwen などの高性能モデルを使用したマルチエンジン文字起こしまで、音声処理のライフサイクル全体を処理します。

単なる文字起こしにとどまらず、このスキルは構造的な合成に優れています。コンテンツを階層的なヘッダーに自動的に整理し、フィラー（えー、あーなど）を除去しながら話者の元のトーンを維持し、最終的な出力がプロフェッショナルな配布に対応できるように高度なフォーマットロジックを適用します。特に Feishu のようなコラボレーション環境に最適化されており、優れた視覚的プレゼンテーションのためにブロックレベルの API を活用しています。

Speech Notes のユースケース

社内会議や戦略的なブレインストーミングの文字起こしと要約。
学術講義やゲストのスピーチを構造化されたテーマ別の学習ノートに変換。
整理されていない個人のボイスメモを明確で実行可能なアウトラインに整理。
既存の生の文字起こしを処理して AI の痕跡を取り除き、プロフェッショナルな読みやすさを向上。

Speech Notes の仕組み

ffprobe を使用して入力音声を分析し、最適な処理のために時間とサンプリングレートを決定します。
5分を超えるファイルは分割し、ffmpeg を介して圧縮して、API の成功率を高めます。
文字起こしエンジン（Feishu STT、Gemini、または Qwen-Omni）をトリガーして、逐語的な原文テキストを生成します。
二次 LLM レイヤーを適用して、テキストを事前定義された Markdown 階層（テーマは H2、サブトピックは H3）に再構築します。
重要な主張を太字にし、フィラーワードを削除し、引用コンテナにメタデータを挿入してコンテンツを洗練させます。
最終的な構造化ドキュメントをローカルファイル、または API を介して外部プラットフォームに直接エクスポートします。

Speech Notes のセットアップ

Openclaw Skills でこのスキルを使用するには、必要な CLI ツールと環境変数が設定されていることを確認してください：

# 音声処理の依存関係をインストール
brew install ffmpeg

# 文字起こしスクリプトの権限を設定
chmod +x scripts/speech-to-text.sh

# 好みのプロバイダーの API 認証情報を設定
export FEISHU_FILE_KEY="your_key"
export GOOGLE_API_KEY="your_gemini_key"
export DASHSCOPE_API_KEY="your_qwen_key"

Speech Notes のデータスキーマとタクソノミー

このスキルは、情報の損失を防ぎつつクリーンな出力を提供するために、多段階のライフサイクルを通じてデータを整理します：

コンポーネント	形式	説明
音声セグメント	.mp3 / .wav	API 取り込みに使用される5分間の圧縮チャンク。
生の文字起こし	.txt	監査目的でローカルに保存される逐語記録。
構造化ドキュメント	Markdown	H2/H3 階層と太字のロジックポイントを含む最終的な要約。
メタデータ	JSON/Block	話者、日付、機会を含むコンテキストデータ。
スタイリング	Feishu API	色分けされた要素と背景が強調された引用ブロック。

Speech Notes の高度な機能

マルチモデル・フォールバック・ロジック：可用性に基づいて Feishu STT、Gemini、Qwen を自動的に切り替えます。
インテリジェントなコンテンツの「風味」保持：話者固有の用語や一人称の視点を維持しつつ、言葉の乱れを排除します。
きめ細かな Block API 制御：ドキュメント全体を書き換えることなく、テキストの色やコンテナの背景を変更するために、プラットフォーム固有の API と直接統合します。
自動化された AI 匿名化：プロの秘書が手動で編集したように見えるドキュメントを提供するため、AI 生成の痕跡をすべて削除します。
ネスティング・ロジック：複雑なナラティブ・チェーンのために、最大3レベルの箇条書きの入れ子をサポートします。