录音转文字|本地转写·会议字幕
录音转文字与视频字幕:把会议、访谈、课程的 m4a/mp3/wav/mp4 转成带时间戳的 TXT/Markdown 文字稿和 SRT/VTT 字幕。普通本地转写无需云端 API Key,首次需准备模型;支持先试转 30 秒,区分说话人按需配置。
skillhub install @user_6113fd9f/asr-transcribe-local
README 文档
1,887 字录音转文字|本地转写·会议字幕
把会议、访谈、课程录音,变成可查阅的文字稿和字幕文件。普通本地转写无需云端 API Key,音频不由本脚本上传云端。
第一次使用需安装运行环境并准备模型;模型下载完成后,普通转写可用 --offline 只读缓存运行。说话人分离与云端转写是按需配置的进阶选项。
直接这样用
- 会议文字稿:“把这段 m4a 录音转成带时间戳的文字稿,先用本地模式。”
- 课程字幕:“把这段 mp4 的语音做成 SRT 和 VTT 字幕,不翻译。”
- 长录音试转:“先试转开头 30 秒,查看效果,再决定是否转全文。”
- 多人访谈:“区分不同说话人,已知有 3 人;不要猜姓名和职务。”
输出示意(非实测录音):
[机器转写,未经人工校对;专名、数字、承诺和结论须回听原音频核实]
[00:00:02.000–00:00:05.000] 下周三提交修订方案。
开启说话人分离且识别到标签时,文字稿会附 [SPEAKER_00] 等中性标记。标签可能有误,不能据此推断真实身份。
执行流程
- 定位用户提供的本地音视频文件。没有音频、仅要求根据已有文字稿写纪要或润色时,不调用转写脚本。不自动下载网页、绕过访问限制或调用第三方音频服务。
- 使用宿主当前可用的 Python,进入本 Skill 目录,运行
python scripts/check_env.py。安装和执行须使用同一解释器;不要套用作者电脑路径。报告区分“发现依赖”和“真实转写通过”。环境缺失时读 安装与进阶配置,在当前任务权限内处理依赖。 - 普通转写优先 faster-whisper,默认
small、中文zh、CPUint8,无需云端密钥。英文设--lang en;不确定语种或混合语种可设--lang auto,结果仍需抽查。已有 WhisperX 环境且没有 faster-whisper 时可使用 WhisperX。 - 用户只要试转时加
--preview-seconds 30;未经其要求,不把每次完整转写强制拆成需要反复确认的流程。试转和全文结果必须明确区分。用户要区分说话人时加--diarize,读安装说明中的对应条件;失败时说明原因,不擅自交付普通版本冒充说话人版本。 - 依据成功回执交付实际生成的文件,说明引擎、全文/试转、是否上云、是否区分说话人及待校对状态。回执为
nospeechdetected或命令失败时,不声称已完成转写;先检查录音能否播放、是否静音、依赖或模型是否就绪。
最少命令
python scripts/transcribe.py "会议录音.m4a"
python scripts/transcribe.py "课程.mp4" --formats txt,md,srt,vtt
python scripts/transcribe.py "访谈.wav" --preview-seconds 30 --output-dir ./outputs
以上路径和文件名为示例。宿主的解释器若不是 python,替换为实际解释器路径。每次运行都在输出父目录下建立新的 asr_... 子目录,保留之前的转写和源文件。结果格式、退出码和示例见 输出与交付。
质量与进阶选项
small降低首次运行负担,不保证达到大模型精度。录音嘈杂、专名较多时可尝试--model large-v3;更耗内存与时间。--hint-words "术语A,术语B"只作提示,不能替代核对。- 长录音能否顺利处理取决于内存、模型、引擎及音频质量。本地没有承诺按 1.5 小时自动切文件;可先试转,必要时降低模型,或按用户要求分段。OpenAI 文件超过阈值时的切块仅属于该云端适配器,不适用于全部路径。
- 保留机器原稿。校对时另存“校对稿”和“待核对清单”,人名、金额、日期、承诺不能凭上下文补成事实。不把 ASR 原稿当作已核实会议结论。
- 本地失败不会自动上传云端。仅在用户已同意把该音频发给所选服务商后,才使用
--engine cloud;已有授权无需重复确认。云端配置见安装说明,可能收费;不承诺某服务商天然满足客户合规要求。涉密录音采用符合其管理要求的本地环境。 - 用户要求纪要或访谈分析时,在转写之后继续完成该目标;仅在相关下游 Skill 已安装且适用时调用。普通文字稿和字幕交付不依赖其他 Skill。文件用宿主可用的附件或链接方式交付,不假定必须有特定展示工具。
版本变化
1.4.0:简化本地上手路径;增加试转和独立结果目录;统一 TXT/MD/SRT/VTT/JSON 输出;修复格式漏产、同名文件清理和说话人静默降级问题;自检不再把合成纯音或缺依赖当成识别质量验证。完整变化与验证边界见 README。
同分类其他技能
查看全部 ›通过同一个AI创作工具完成AI图片、视频、音乐与语音创作,查找公开社交数据,编辑视觉成果,并集中查看和管理生成资产。Beatra 全能创
135 180.6万 AI音乐MV短片制作用一首歌的情绪、节奏和视觉概念,制作一个短视觉短片。这个 AI 音乐 MV 短片制作与歌曲生成视频工作流可以把音乐片段和视觉方向变成电影
15 66.1万 MiniMax H3 AI视频创作用 MiniMax H3 这款 AI视频生成器创作高质感 2K AI 视频。从文字创意出发完成文生视频,让静态图片自然动起来,用首尾画面
27 64.2万 AI数字人口播与虚拟主播视频用一张人像和一段短脚本或语音,制作有明确讲述内容的数字人口播视频。可使用现成录音,也可以先选择音色,把脚本生成旁白,让画面中的人物随声音
44 61.3万 架构图一键生成使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产
288 54.7万 海报设计工作室将一段活动描述、一张产品照片或品牌参考图,转化为抓人眼球的活动海报、宣传 banner 或社交媒体配图。这款 AI海报设计与制作工具生成
39 42.1万