# Elevenlabs Stt

> Transcripción de voz a texto de alta precisión con los modelos Scribe de ElevenLabs vía la CLI de inference.sh, con diarización, etiquetado de eventos y alineación forzada.

Fuente: https://skillsagentes.com/skills/skills-101/superpowers/elevenlabs-stt
Markdown: https://skillsagentes.com/skills/skills-101/superpowers/elevenlabs-stt.md

Repositorio: https://github.com/skills-101/superpowers
Autor: skills-101
Licencia: no declarada
Actualizado: el mes pasado
Coste de contexto: 146 tok instalada, 1.1k tok al activarse, 1.1k tok con todos los archivos del bundle
Bundle: 1 archivo, 4 KB
Permisos que pide: bash(belt *)

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add skills-101/superpowers --skill elevenlabs-stt --agent claude-code
# Cursor
npx -y skills add skills-101/superpowers --skill elevenlabs-stt --agent cursor
# Codex
npx -y skills add skills-101/superpowers --skill elevenlabs-stt --agent codex
# Gemini CLI
npx -y skills add skills-101/superpowers --skill elevenlabs-stt --agent gemini
# Windsurf
npx -y skills add skills-101/superpowers --skill elevenlabs-stt --agent windsurf
# Cline
npx -y skills add skills-101/superpowers --skill elevenlabs-stt --agent cline
```

## Qué hace

- Transcribe audio con los modelos Scribe v1/v2 vía la CLI belt (inference.sh)
- Añade diarización de hablantes y etiquetado de eventos de audio (risas, aplausos, música)
- Genera timestamps a nivel de palabra y alineación forzada de texto conocido con audio
- Detecta el idioma automáticamente entre 90+ idiomas o permite especificarlo

## Cuándo usarla

- Transcribir grabaciones de reuniones con identificación de hablantes
- Generar subtítulos temporizados para vídeo
- Crear transcripciones de podcasts con etiquetas de eventos de audio
- Necesitar timing palabra por palabra para lip-sync o karaoke

## Qué la activa

- "Transcribe esta grabación de reunión con identificación de hablantes"
- "Genera subtítulos con timestamps para este vídeo"
- "Haz alineación forzada de este texto con el audio de la narración"
- "Transcribe este podcast y etiqueta risas y aplausos"

## Antes de instalar

- Requiere la CLI belt de inference.sh instalada y sesión iniciada (belt login).
- Necesita en el PATH: npx
- makes network requests

## Archivos

- SKILL.md — 4 KB

## SKILL.md

No se reproduce aquí. Léelo en https://github.com/skills-101/superpowers/blob/main/tools/audio/elevenlabs-stt/SKILL.md

## Dónde encaja

- Categoría: [Herramientas para desarrolladores](https://skillsagentes.com/categorias/herramientas-desarrollo.md) — Skills que cambian cómo tu agente escribe, revisa y despliega código.
- Creador: [skills-101](https://skillsagentes.com/creators/skills-101.md) — 86 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Otras skills del mismo repositorio

- [Agent Tools](https://skillsagentes.com/skills/skills-101/superpowers/agent-tools.md): Ejecuta apps de IA vía el CLI de inference.sh: generación de imágenes y video, LLMs, búsqueda web, 3D y automatización de Twitter, con modelos como FLUX, Veo, Gemini, Claude y OpenRouter.
- [Ai Avatar Video](https://skillsagentes.com/skills/skills-101/superpowers/ai-avatar-video.md): Crea videos de avatares IA y talking heads con el CLI de inference.sh: P-Video-Avatar (TTS integrado), OmniHuman, Fabric, PixVerse, para presentadores, dobleaje, UGC y avatares de juegos.
- [Ai Image Generation](https://skillsagentes.com/skills/skills-101/superpowers/ai-image-generation.md): Genera imágenes con IA usando GPT-Image-2, FLUX, Gemini, Grok, Seedream, Reve y más de 50 modelos vía el CLI de inference.sh.
- [Ai Music Generation](https://skillsagentes.com/skills/skills-101/superpowers/ai-music-generation.md): Genera música y canciones con IA usando ElevenLabs, Diffrythm y Tencent Song Generation vía el CLI de inference.sh, para fondos musicales, redes sociales, podcasts y bandas sonoras.
- [Ai Video Generation](https://skillsagentes.com/skills/skills-101/superpowers/ai-video-generation.md): Genera videos con IA usando Google Veo, Seedance 2.0, HappyHorse, Wan, Grok y más de 40 modelos a través del CLI de inference.sh.

## Skills relacionadas

- [Building Inferencesh Apps](https://skillsagentes.com/skills/skills-101/superpowers/building-inferencesh-apps.md): Construye y despliega aplicaciones en inference.sh usando la CLI belt, en Python o Node.js, incluyendo apps multi-función, GPU, secrets e integraciones.
- [Elevenlabs Dialogue](https://skillsagentes.com/skills/skills-101/superpowers/elevenlabs-dialogue.md): Generación de diálogo multi-hablante de ElevenLabs: crea conversaciones con distintas voces en un solo archivo de audio vía el CLI de inference.sh.
- [Elevenlabs Sound Effects](https://skillsagentes.com/skills/skills-101/superpowers/elevenlabs-sound-effects.md): Genera efectos de sonido con IA a partir de descripciones de texto usando ElevenLabs vía el CLI inference.sh (belt), con duración personalizada y audio libre de regalías.
- [Elevenlabs Voice Isolator](https://skillsagentes.com/skills/skills-101/superpowers/elevenlabs-voice-isolator.md): Aislador de voz de ElevenLabs: elimina ruido de fondo y separa las voces del audio mediante el CLI de inference.sh.
- [Image Upscaling](https://skillsagentes.com/skills/skills-101/superpowers/image-upscaling.md): Mejora y amplía imágenes con Real-ESRGAN, Thera, Topaz o FLUX Upscaler usando la CLI de inference.sh.

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)