SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场acestep-lyrics-transcription

acestep-lyrics-transcription

写作与研究

查看项目

更新于 10-15 10:51

技能介绍

用途

本技能用于将音频文件转写为带时间戳的歌词，输出格式支持 LRC、SRT 或 JSON，并可包含词级时间戳。适合需要为歌曲生成同步歌词、字幕或后续 MV 渲染准备的场景。

主要能力

  • 通过 OpenAI Whisper 或 ElevenLabs Scribe API 进行音频转写。
  • 输出 LRC、SRT、JSON 三种格式，默认 LRC。
  • 支持词级时间戳：OpenAI 使用 whisper-1 模型（同时支持 segment 与 word 时间戳），ElevenLabs 使用 scribe_v2 模型（词级时间戳，带类型过滤）。
  • 支持多语言转写，可通过 --language 指定语言代码（如 zh、en、ja）。
  • 可切换服务商，并覆盖配置中的默认服务商与输出格式。

使用方式

前置条件：需要 curl、jq、python3（或 python），以及 OpenAI 或 ElevenLabs 的 API Key。

配置 API Key（二选一）：

./scripts/acestep-lyrics-transcription.sh config --set openai.api_key sk-...
# 或
./scripts/acestep-lyrics-transcription.sh config --set elevenlabs.api_key ...
./scripts/acestep-lyrics-transcription.sh config --set provider elevenlabs

检查 Key 是否已配置（仅报告是否为空，不显示实际值）：

cd "{project_root}/{.claude or .codex}/skills/acestep-lyrics-transcription/" && bash ./scripts/acestep-lyrics-transcription.sh config --check-key

转写命令：

./scripts/acestep-lyrics-transcription.sh transcribe --audio <file> [options]

选项：

  • -a, --audio：音频文件路径（必填）
  • -l, --language：语言代码（zh、en、ja 等）
  • -f, --format：输出格式 lrc、srt、json（默认 lrc）
  • -p, --provider：API 服务商 openai、elevenlabs（覆盖配置）
  • -o, --output：输出文件路径（默认 acestep_output/<filename>.lrc）

示例：

# 基础转写（使用配置默认值）
./scripts/acestep-lyrics-transcription.sh transcribe --audio song.mp3

# 中文歌曲转 LRC
./scripts/acestep-lyrics-transcription.sh transcribe --audio song.mp3 --language zh

# 使用 ElevenLabs，输出 SRT
./scripts/acestep-lyrics-transcription.sh transcribe --audio song.mp3 --provider elevenlabs --format srt

# 自定义输出路径
./scripts/acestep-lyrics-transcription.sh transcribe --audio song.mp3 --output ./my_lyrics.lrc

配置项（配置文件 scripts/config.json）：

  • provider：默认 openai，可选 openai 或 elevenlabs
  • output_format：默认 lrc，可选 lrc、srt、json
  • openai.api_key：默认空
  • openai.api_url：默认 https://api.openai.com/v1
  • openai.model：默认 whisper-1
  • elevenlabs.api_key：默认空
  • elevenlabs.api_url：默认 https://api.elevenlabs.io/v1
  • elevenlabs.model：默认 scribe_v2

查看配置（会自动将 API Key 掩码为 ***）：

./scripts/acestep-lyrics-transcription.sh config --list

转写后歌词校正（强制步骤）

转写完成后，必须在使用 LRC 文件进行 MV 渲染前手动校正。转写模型对演唱歌词常出现错误，例如：

  • 专有名词："ACE-Step" → "AC step"，"Spotify" → "spot a fly"
  • 近音词："arrives" → "eyes"，"open source" → "open sores"
  • 词合并/拆分："lighting up" → "lightin' nup"

校正流程：

  1. 使用 Read 工具读取转写后的 LRC 文件。
  2. 读取 ACE-Step 输出 JSON 文件中的原始歌词。
  3. 以原始歌词整体作为参考：不要逐行对齐，转写常会拆分、合并或重排行；应先通读原始歌词理解正确措辞，再逐行扫描 LRC 并修正误识别的词。
  4. 用正确的原始词替换误识别词，保持时间戳不变。
  5. 使用 Write 工具写回校正后的 LRC。

校正要点：

  • 用正确的原始词替换误识别词。
  • 保持所有 [MM:SS.cc] 时间戳原样不变（转写时间戳是准确的）。
  • 不要添加 [Verse]、[Chorus] 等结构标签，LRC 只应包含带时间戳的文本行。

示例：

转写（错误）：

[00:46.96]AC step alive,
[00:50.80]one point five eyes.

原始歌词参考：

ACE-Step alive
One point five arrives

校正后（正确）：

[00:46.96]ACE-Step alive,
[00:50.80]One point five arrives.

适用场景

  • 为歌曲生成同步歌词文件（LRC/SRT）。
  • 为 MV 渲染准备带时间戳的歌词。
  • 需要词级时间戳的歌词或字幕输出。
  • 多语言歌曲的歌词转写。

限制与注意事项

  • 必须配置有效的 API Key，否则转写会失败；Key 为空时应先引导用户配置。
  • 不要读取或显示用户的 API Key 内容，不要对 key 字段使用 config --get，也不要直接读取 config.json；config --list 是安全的，会自动掩码。
  • 转写模型对演唱歌词易出错，转写后必须人工校正。
  • OpenAI whisper-1 是唯一支持词级时间戳的 OpenAI 模型。
  • 定价：OpenAI Whisper API 约 $0.006/分钟；ElevenLabs 定价随套餐而异，免费层包含有限额度。
  • 获取 Key 的地址：OpenAI https://platform.openai.com/api-keys（需启用计费的 OpenAI 账户）；ElevenLabs https://elevenlabs.io/app/settings/api-keys（需 ElevenLabs 账户）。