Stt

Skill ai-native-engineer/astack/skills/stt

Local speech-to-text transcription and optional speaker diarization for audio/video files, meetings, lectures, interviews, and selected time ranges. Use when user asks STT, 전사, 받아쓰기, 오디오/녹음/회의록/강의/인터뷰 전사, 화자 분리, speaker diarization, or 누가 말했는지. Do NOT use for text-to-speech, Apple Voice Memos personal workflow, YouTube caption extraction, OCR, or audio editing.From its SKILL.md

Install

npx -y skills add ai-native-engineer/astack --skill stt

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

SKILL.md

2.9 KB, as published. Nobody here has run it

STT - Apple 로컬 전사 + 선택적 화자 분리

전사 (음성 -> 텍스트)

기본은 macOS 26+의 apple-stt다. 일반 텍스트는 Apple 실패 시 Handy에서 선택한 로컬 모델로 한 번 fallback하고, 구조화 출력은 Apple 결과만 쓴다.

일반 텍스트: bash scripts/stt-fallback.sh 녹음.m4a - Apple이 오류로 종료할 때만 16kHz mono WAV로 변환해 Handy fallback을 실행한다. 이 스크립트는 읽지 말고 실행한다.
Apple 직접 실행: apple-stt 녹음.m4a - -t(타임스탬프), --srt, --json, --save, -l en-US
분석 증거: apple-stt --analysis-json 녹음.m4a - versioned Apple evidence object
구간: ffmpeg -ss <시작초> -to <끝초> -i in.m4a -c copy clip.m4a 후 apple-stt clip.m4a
- 긴 녹음에 회의 외 이동·잡음이 섞이면 그 구간은 전사·화자분리가 다 깨지니 회의 구간만 잘라 처리.
정본 소스: native/apple-stt.swift. 빌드한 실행 파일은 PATH가 읽는 위치에 설치하고 command -v apple-stt로 확인한다.
빌드: swiftc -O -parse-as-library -target arm64-apple-macos26.0 native/apple-stt.swift -o <임시경로>/apple-stt
검증 근거: references/apple-capabilities.md. 회귀 비교 계약은 references/benchmark.md를 따른다.
fallback은 성공한 Apple 결과의 품질을 재판정하지 않는다. 자동 품질 비교는 두 엔진을 항상 실행해야 하므로 실제 오류 복구와 분리한다.
음성 메모 원본: ~/Library/Group Containers/group.com.apple.VoiceMemos.shared/Recordings/*.m4a

화자 분리 (누가 언제 말했나)

apple-stt가 텍스트의 유일한 정본이다. 화자 라벨이 필요할 때만 Argmax diarize로 RTTM을 만들고 Apple 시간 범위에 결합한다. 세부 계약은 references/diarization.md를 읽는다.

실행: bash scripts/stt_diarize.sh <오디오> [start초] [end초]
출력: stt/YYMMDD-HHMMSS-PID/diarized.md, diar.rttm
한 Apple 범위에 여러 화자가 겹치면 mixed로 둔다. Argmax 텍스트를 생성하거나 Apple 텍스트를 교체하지 않는다.

TTS (텍스트 → 음성)

음성 합성과 복제는 tts 스킬을 쓴다. 이 스킬은 음성에서 텍스트를 만드는 경로만 다룬다.

부속

ffmpeg는 구간 자르기와 로컬 preview에만 쓴다.
유튜브는 기존 자막이 있으면 STT를 실행하지 않는다.