用途
该技能使用 OpenAI Whisper 模型在本地进行音频转写，文件直接在设备上处理，兼顾隐私与速度。适合将语音转换为文本，并支持多语言、词级时间戳和说话人分离等功能。
适用场景
适用于处理本地音频文件的任务，例如转写访谈、播客或会议，尤其当你需要离线处理以避免网络依赖或关注数据隐私时。也适用于需要准确时间戳或说话人识别的工作流，如内容创作或分析。
主要能力
转写：可将音频转换为 90 多种语言的文本；通过 --language 标志指定语言（例如 --language en 表示英语）。
时间戳：输出词级时间信息；使用 --word-level 启用详细分段（例如每个词的开始/结束秒数）。
说话人分离：识别音频中的不同说话人；需要额外配置，如 Pyannote 库；配置完成后可使用 --diarize 标志。
多格式支持：可处理 MP3、WAV、FLAC 等输入格式；输出 JSON 或 SRT，便于解析。
模型选择：可从 tiny、base、small、medium、large 等模型中选择；模型越大准确率越高，但计算需求也越大（例如 --model medium）。
使用方式
始终在已安装该库的 Python 环境中运行 Whisper。基本转写时，加载音频文件并通过 CLI 指定选项。可在流水线中使用，将输出管道传递给其他工具，如文本分析技能。进行说话人分离前，需先确保依赖已安装。示例一：转写短音频片段用于记笔记。示例二：处理多说话人录音以生成会议摘要。
完成转写的步骤：
安装依赖：在环境中运行 pip install git+https://github.com/openai/whisper.git pyannote.audio。
加载并处理音频：使用 Whisper CLI 直接处理文件。
处理输出：解析 JSON 结果以获取时间戳，并集成到更大的脚本中。
常用命令/API
快速任务可使用 Whisper CLI。API 集成时可直接调用 Python 库。
基本转写的 CLI 命令：
whisper path/to/audio.mp3 --model base --language en --output_format json
该命令转写文件，将输出保存为 JSON，并包含时间戳。
带时间戳和说话人分离的 CLI：
whisper path/to/audio.wav --model medium --word-level --diarize
生成词级时间信息和说话人标签；需通过 Pyannote 配置说话人分离。
Python API 片段：
import whisper
model = whisper.load_model("base")
result = model.transcribe("path/to/audio.mp3", language="en")
print(result["text"]) # Outputs transcribed text
配置格式：Whisper 使用简单的 JSON 配置进行批处理；示例：
{ "model": "small", "language": "es", "task": "transcribe" }
通过 CLI 的 --config config.json 传入。本地使用无需认证密钥；若扩展到云服务，可使用环境变量如 $WHISPER_API_KEY 对接外部 API。
在代码中使用：导入库，加载模型，并调用 transcribe()，传入文件路径和任务模式等参数（例如 task="transcribe"）。
集成说明
可通过将 Whisper 包装为 Python 脚本或 CLI 调用来集成到 AI 工作流。例如与文本处理工具串联：将 JSON 输出管道传递给情感分析技能。可在 Jupyter notebook 中用于交互式转写。确保环境支持 GPU 以加快处理（例如通过 CUDA）。嵌入更大应用时，需显式处理文件 I/O：使用 soundfile 库读取音频文件，再传给 Whisper。多步骤任务中，可使用 subprocess 从其他脚本调用 Whisper CLI，捕获 stdout 以解析 JSON。
错误处理
常见错误包括缺少依赖、音频格式无效或大模型导致内存不足。处理方法：
文件未找到：运行前检查文件路径；在 Python 中使用 try-except：
try:
result = model.transcribe("path/to/audio.mp3")
except FileNotFoundError:
print("Audio file missing; verify path.")
模型加载失败：确保内存充足；必要时回退到更小的模型（例如将 --model large 改为 --model base）。
说话人分离错误：若 Pyannote 失败，使用 pip check pyannote.audio 验证安装；记录错误并回退到基本转写重试。
通用模式：在脚本中使用 subprocess 包装 CLI 调用并检查返回码；API 方面，捕获 whisper.utils.DecodeError 等异常，并用不同参数重试。
始终记录详细错误（例如通过 Python 的 logging 模块），并提供用户友好的消息，如“Error: Audio too long for selected model; try a smaller one.”
图谱关系
关联：与“audio-processing”集群相关，用于降噪等上游任务。
连接：与“text-analysis”技能相连，用于转写输出的下游处理。
链接：与“openai-gpt”配合，用 AI 摘要增强转写文本。