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 10:28

技能介绍

用途

acestep-lyrics-transcription 是一个歌词转写技能，用于将音频文件转写为带时间戳的歌词。它通过调用 OpenAI Whisper 或 ElevenLabs Scribe API 完成语音识别，输出 LRC、SRT 或 JSON 格式，支持词级时间戳。该技能适合在制作 MV 等需要同步歌词的场景中使用。

主要能力

  • 将音频文件转写为带时间戳的歌词。
  • 支持多种输出格式：LRC、SRT、JSON。
  • 支持词级时间戳。
  • 支持多语言转写（通过 --language 指定语言代码，如 zh、en、ja）。
  • 支持在两个 API 提供商之间切换：OpenAI 和 ElevenLabs。

使用方式

前置条件

需要安装 curl、jq、python3（或 python），并拥有 OpenAI 或 ElevenLabs 的 API Key。

API Key 检查与配置

使用前必须检查 API Key 是否已配置。运行以下命令检查（该命令只报告当前提供商的 API Key 是否已设置或为空，不会打印实际 Key 值）：

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

如果报告 Key 为空，必须停止并引导用户配置，不能在没有有效 Key 的情况下尝试转写。配置 API Key 的命令：

cd "{project_root}/{.claude or .codex}/skills/acestep-lyrics-transcription/" && bash ./scripts/acestep-lyrics-transcription.sh config --set <provider>.api_key <KEY>

如需切换提供商，运行：

cd "{project_root}/{.claude or .codex}/skills/acestep-lyrics-transcription/" && bash ./scripts/acestep-lyrics-transcription.sh config --set provider <provider_name>

配置后重新运行 config --check-key 验证 Key 已设置，再继续。如果 Key 已配置，可直接进行转写。

快速开始

# 1. cd 到此技能目录
cd {project_root}/{.claude or .codex}/skills/acestep-lyrics-transcription/

# 2. 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

# 3. 转写
./scripts/acestep-lyrics-transcription.sh transcribe --audio /path/to/song.mp3 --language zh

# 4. 输出保存到：{project_root}/acestep_output/<filename>.lrc

脚本用法

./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 提供商：openai、elevenlabs（覆盖配置）
  • -o, --output：输出文件路径（默认：acestep_output/<filename>.lrc）

转写后的歌词校对（强制）

转写后必须手动修正 LRC 文件，再用于 MV 渲染。转写模型在演唱歌词上经常出错，例如：

  • 专有名词："ACE-Step" 被识别为 "AC step"，"Spotify" 被识别为 "spot a fly"
  • 近音词："arrives" 被识别为 "eyes"，"open source" 被识别为 "open sores"
  • 单词合并或拆分："lighting up" 被识别为 "lightin' nup"

校对流程：

  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. 以原始歌词整体为参考：不要尝试逐行对齐，转写常会以不同方式拆分、合并或重排行。应通读原始歌词理解正确措辞，再逐行检查 LRC 并修正识别错误的词。
  4. 修正转写错误：将识别错误的词替换为原始歌词中的正确词，保持时间戳不变。
  5. 使用 Write 工具写回修正后的 LRC。

校对要点：

  • 将识别错误的词替换为正确的原始词。
  • 所有 [MM:SS.cc] 时间戳保持原样（转写的时间戳是准确的）。
  • 不要添加 [Verse] 或 [Chorus] 等结构标签，LRC 应只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

修正后（正确）：

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

配置

配置文件：scripts/config.json

# 切换提供商
./scripts/acestep-lyrics-transcription.sh config --set provider openai
./scripts/acestep-lyrics-transcription.sh config --set provider elevenlabs

# 设置 API Key
./scripts/acestep-lyrics-transcription.sh config --set openai.api_key sk-...
./scripts/acestep-lyrics-transcription.sh config --set elevenlabs.api_key ...

# 查看配置
./scripts/acestep-lyrics-transcription.sh config --list

配置项：

  • provider：默认 openai。当前提供商：openai 或 elevenlabs。
  • output_format：默认 lrc。默认输出格式：lrc、srt 或 json。
  • openai.api_key：默认 ""。OpenAI API Key。
  • openai.api_url：默认 https://api.openai.com/v1。OpenAI API 基础 URL。
  • openai.model：默认 whisper-1。OpenAI 模型（whisper-1 支持词级时间戳）。
  • elevenlabs.api_key：默认 ""。ElevenLabs API Key。
  • elevenlabs.api_url：默认 https://api.elevenlabs.io/v1。ElevenLabs API 基础 URL。
  • elevenlabs.model：默认 scribe_v2。ElevenLabs 模型。

提供商说明

  • OpenAI：模型 whisper-1，支持词级时间戳（segment + word），价格为 $0.006/min。whisper-1 是唯一支持词级时间戳的 OpenAI 模型。
  • ElevenLabs：模型 scribe_v2，支持词级时间戳（word-level），价格因套餐而异。scribe_v2 返回词级时间戳并支持类型过滤。
  • 两者均支持多语言转写。

示例

# 基本转写（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

适用场景与限制

适用场景：需要将歌曲或音频转为带时间戳歌词文件，用于 MV 渲染或其他同步歌词需求。

限制：

  • 需要有效的 OpenAI 或 ElevenLabs API Key，否则无法转写。
  • 转写模型在演唱歌词上容易出错，必须进行人工校对。
  • OpenAI 仅 whisper-1 支持词级时间戳。
  • ElevenLabs 价格因套餐而异，资料未提供具体价格细节。