L’API KolWrite pour les agents IA

Comment laisser un agent IA (Claude Code, Codex, Cursor ou un script à vous) transformer des enregistrements en transcriptions, sous-titres SRT et horodatages mot à mot avec l’API de plateforme KolWrite, sur https://api.kolwrite.com. Une personne crée un token une seule fois ; l’agent le lit dans une variable d’environnement et appelle simplement HTTPS. Aucun SDK n’est nécessaire.

Voici l’API de plateforme, avec des tokens kol_. L’API de crédits de https://app.kolwrite.com (en-tête x-api-key) est une autre API, décrite (en anglais) sur https://console.kolwrite.com/llms.txt si c’est celle que vous cherchez.

1. Donner un token à l’agent

• L’accès à l’API est activé compte par compte ; sans lui, créer ou utiliser un token est refusé.
• Une personne crée le token dans l’app KolWrite (Réglages → Compte → Accès à l’API → Créer un token) et choisit le plus petit ensemble de scopes. Le secret (kol_...) n’est affiché qu’une fois.
• Rangez-le dans une variable d’environnement, loin des prompts, des journaux et de git.

Collez ceci dans AGENTS.md, CLAUDE.md ou .cursorrules :

## KolWrite platform API
- Base URL https://api.kolwrite.com. The token is in the environment variable KOLWRITE_TOKEN: send it as "Authorization: Bearer $KOLWRITE_TOKEN" and never print it.
- Flow: POST /api/v1/media/upload-session, PUT the bytes to data.upload_url, POST /api/v1/media/complete, POST /api/v1/jobs, poll GET /api/v1/jobs/{job_id} until status is succeeded, then GET /api/v1/jobs/{job_id}/export?format=json
- Spec: https://kolwrite-docs.pages.dev/openapi.json. Guide: https://kolwrite-docs.pages.dev/agents.md

2. Quel appel utiliser

3. Transcrire un fichier en Python

import json, mimetypes, os, time
import requests

BASE = "https://api.kolwrite.com"
TOKEN = os.environ["KOLWRITE_TOKEN"]


def call(method, path, **kw):
    headers = {"Authorization": f"Bearer {TOKEN}", **kw.pop("headers", {})}
    r = requests.request(method, BASE + path, headers=headers, timeout=120, **kw)
    r.raise_for_status()
    return r


def transcribe(path, profile="oracle", language="auto"):
    name, size = os.path.basename(path), os.path.getsize(path)
    ctype = mimetypes.guess_type(name)[0] or "application/octet-stream"
    session = call("POST", "/api/v1/media/upload-session",
                   json={"filename": name, "file_size_bytes": size,
                         "content_type": ctype}).json()["data"]
    with open(path, "rb") as f:
        requests.put(session["upload_url"], data=f, headers=session["headers"],
                     timeout=3600).raise_for_status()
    media = call("POST", "/api/v1/media/complete",
                 json={"finalize_token": session["finalize_token"]}).json()["data"]
    job = call("POST", "/api/v1/jobs",
               headers={"Idempotency-Key": f"{name}-{size}-{profile}-{language}"},
               json={"type": "transcription",
                     "input": {"type": "media_ref", "media_id": media["media_id"]},
                     "profile": profile,
                     "options": {"language": language,
                                 "diarization": {"mode": "regular"}}}).json()["data"]
    while True:
        status = call("GET", f"/api/v1/jobs/{job['job_id']}").json()["data"]["status"]
        if status in ("succeeded", "failed", "cancelled"):
            break
        time.sleep(5)
    if status != "succeeded":
        raise RuntimeError(f"job {job['job_id']} {status}")
    export = call("GET", f"/api/v1/jobs/{job['job_id']}/export",
                  params={"format": "json"}).json()
    return job["job_id"], json.loads(export["data"])  # data is a JSON string


job_id, transcript = transcribe("interview.wav")
for seg in transcript["segments"]:
    print(f"{seg['start']:.2f}-{seg['end']:.2f} {seg.get('speaker', '')} {seg['text']}")

Les fichiers volumineux sont envoyés en plusieurs parties : la session renvoie alors data.upload_url à null et une URL par partie dans data.multipart_part_urls (voir le démarrage rapide).

4. Exploiter les horodatages

L’export JSON contient segments, chacun avec start et end en secondes, text, un speaker quand la diarisation a tourné, et words (text, start, end). Laissez l’agent choisir des segments par indice et lire les temps dans la transcription ; ne le laissez jamais saisir lui-même des horodatages.

import subprocess

keep = [s for s in transcript["segments"] if "pricing" in s["text"].lower()]
for i, seg in enumerate(keep):
    subprocess.run(["ffmpeg", "-y", "-i", "talk.mp4", "-ss", str(seg["start"]),
                    "-to", str(seg["end"]), f"clip{i}.mp4"], check=True)

Les sous-titres viennent directement de l’API. include_speakers=false retire les noms des locuteurs, et max_chars_per_entry fixe la longueur de chaque entrée de sous-titre :

curl -H "Authorization: Bearer $KOLWRITE_TOKEN" -o talk.srt \
  "https://api.kolwrite.com/api/v1/jobs/JOB_ID/export?format=srt&include_speakers=false&max_chars_per_entry=42"

Le téléchargement des SRT et VTT nécessite l’offre Plus ou supérieure. Les autres offres reçoivent un HTTP 403 avec le code subtitle_export_requires_plus ; les exports JSON et texte ne sont pas concernés.

5. Règles pour les agents

• Envoyez un Idempotency-Key à la création d’un job, pour qu’une nouvelle tentative n’en lance pas un second.
• Réessayez après 429, 502, 503 et 504 avec un délai exponentiel ; sur 429, attendez Retry-After. Ne réessayez pas après 401, 403 ni après une erreur de validation. Voir erreurs.
• Lisez detail.code, pas le texte du message.
• Un job réserve des crédits à sa création et les règle à sa fin ; consultez GET /api/v1/billing/balance avant un gros lot.
• Le fichier OpenAPI fait foi : chaque opération indique son scope requis dans x-required-scope.

Questions

Comment créer des sous-titres SRT à partir d’une vidéo avec un agent IA ?

Envoyez le fichier, créez un job de transcription, attendez succeeded, puis appelez l’endpoint d’export avec format=srt. Les sous-titres nécessitent l’offre Plus ou supérieure.

Claude Code ou Codex peuvent-ils appeler l’API KolWrite ?

Oui. Ils l’appellent en HTTPS avec un token d’accès personnel pris dans une variable d’environnement. Il n’y a ni SDK ni serveur MCP à installer.

Comment un agent obtient-il l’horodatage de chaque mot ?

Exportez le job en JSON. Chaque segment porte words avec start et end en secondes.

Version Markdown de cette page