用途:将语音转换为文字,并在此基础上做智能文本改写,面向办公文员与内容创作者整理会议纪要、创作社媒文案等场景。触发条件为用户提出“语音转文字”“录音转文字”“语音备忘”等需求。
主要能力:实时语音识别(语音转文字);智能文本改写,可输出邮件(正式、含主题正文落款)、笔记(要点清晰、列表标记)、社交媒体文案(简洁、含表情与话题标签);多段录音文字拼接;一键复制与分享。
使用方式:先录音或上传音频,再调用脚本转写,例如 from scripts.asr_transcriber import Qwen3ASRTranscriber,transcriber = Qwen3ASRTranscriber(),result = transcriber.transcribe(audio_file="recording.wav", language="zh-CN"),text = result["text"]。改写由智能体根据用户需求选择类型完成,不另写脚本。多段录音拼接由智能体处理,如 full_text = original_text + "\n\n" + new_text,并添加连接词保持连贯。
依赖:requests>=2.28.0、numpy>=1.21.0,无需额外文件准备。相关脚本为 scripts/asr_transcriber.py,参考文档为 references/asr-api-config.md 与 references/text-rewrite-guide.md。
限制与注意:录音需清晰、背景噪音少以提高识别准确率;改写应保留原文核心信息与意图,不随意增删;拼接时注意连贯性;按场景选择改写类型。API 初始化支持 Qwen3ASRTranscriber(api_key=None, base_url=None),transcribe 支持 language、format、sample_rate、return_timestamps 等参数,返回 success、text、language、duration、segments 等字段。具体收费、价格、平台支持范围等资料暂未提供。