Voice Inbox — Transcripción y procesamiento de mensajes de voz

Skill para transcribir mensajes de audio recibidos por WhatsApp o Nextcloud Talk, interpretar la intención del PM y ejecutar el comando correspondiente en pm-workspace.

Flujo principal

Audio (.ogg/.opus/.m4a) → Faster-Whisper → Texto → Claude interpreta → Comando

1. Descargar audio — MCP WhatsApp download_media o Nextcloud Talk API
2. Convertir formato — ffmpeg si necesario (ogg/opus → wav 16kHz mono)
3. Transcribir — Faster-Whisper (local, sin enviar audio a terceros)
4. Interpretar — Claude analiza el texto y mapea a un comando de pm-workspace
5. Confirmar — Mostrar al PM la transcripción + comando propuesto antes de ejecutar
6. Ejecutar — Lanzar el comando tras confirmación

Configuración de Faster-Whisper

Instalación

pip install faster-whisper --break-system-packages

Modelos recomendados

Modelo	RAM	Velocidad	Calidad	Uso recomendado
tiny	~1 GB	Muy rápida	Básica	Test rápido, mensajes cortos claros
base	~1 GB	Rápida	Buena	Mensajes cortos en entorno silencioso
small	~2 GB	Media	Muy buena	Recomendado para uso diario
medium	~5 GB	Lenta	Excelente	Audio con ruido o acentos fuertes
large-v3	~10 GB	Muy lenta	Máxima	Cuando la precisión es crítica

El modelo se configura en messaging-config.md → WHISPER_MODEL. Por defecto: small (buen equilibrio calidad/velocidad).

Idiomas

Faster-Whisper detecta idioma automáticamente, pero se puede forzar:

• WHISPER_LANGUAGE = "es" → español
• WHISPER_LANGUAGE = "auto" → detección automática (defecto)

Interpretación de intención

Una vez transcrito el audio, Claude recibe el texto con este prompt interno:

El PM ha enviado un mensaje de voz. Transcripción:
"{texto_transcrito}"

Analiza la intención y responde con:
1. Comando de pm-workspace más adecuado (con parámetros)
2. Confianza: alta/media/baja
3. Si confianza < alta → pedir confirmación al PM

Contexto: proyecto activo = {proyecto_actual}
Comandos disponibles: @docs/rules/domain/pm-workflow.md

Ejemplos de mapeo voz → comando

El PM dice...	Comando mapeado
"Ponme el estado del sprint de sala-reservas"	/sprint-status --project sala-reservas
"¿Cómo va la deuda técnica?"	/debt-track --project {activo}
"Descompón el PBI 1234 en tareas"	/pbi-decompose 1234
"Genera el informe ejecutivo del sprint"	/report-executive --project {activo}
"Hazme un audit del proyecto nuevo"	/project-audit --project {activo}
"Manda el resumen del sprint al equipo por Slack"	/notify-slack #equipo {resumen}
"¿Qué alertas de seguridad hay?"	/security-alerts --project {activo}

Casos ambiguos

Si la transcripción no mapea claramente a un comando:

• Confianza baja → mostrar transcripción + "¿Qué quieres que haga con esto?"
• Múltiples comandos posibles → listar opciones para que el PM elija
• No es un comando → tratar como mensaje informativo y archivar

Formatos de audio soportados

Formato	Origen típico	Conversión necesaria
.ogg (Opus)	WhatsApp	No (Faster-Whisper lo soporta)
.m4a (AAC)	iOS WhatsApp	ffmpeg -i input.m4a output.wav
.webm (Opus)	Nextcloud Talk web	No
.wav	General	No

Restricciones

• Privacidad: el audio se procesa LOCAL, nunca se envía a APIs externas
• Confirmación: SIEMPRE mostrar transcripción y comando antes de ejecutar
• Errores de transcripción: si el PM corrige, aprender del contexto
• Requiere ffmpeg instalado para conversiones de formato
• Requiere faster-whisper instalado (pip install faster-whisper)