SuperAPI AI 工具集

byted-las-asr-pro

数据与分析

查看项目

更新于 10-15 17:30

技能介绍

用途:当用户需要高质量语音识别(含降噪、VAD、标点、语种识别、情绪识别、说话人分离等)时使用本 Skill,可将音频/视频转写为文本,用于录音转写、字幕生成、说话人区分与语音增强分析。

主要能力:降噪、语音活动检测、标点、语种识别、情绪识别、说话人分离等增强分析。

使用方式(按工作流): Step 0 前置检查:版本检查执行 las-cli install 0.3.8;若 las-cli 命令不存在,执行 npm i -g "@volcengine/las-cli@0.3.8"。可用 npm info @volcengine/las-cli version 查看最新版本,若高于本 Skill 版本需提示升级。认证优先使用运行时自动注入的平台身份,未注入时运行 las-cli config show 确认旧版凭证 las.apiKey 与 volcengine.region。 Step 1 初始化:本地音频先上传到 TOS,如 las-cli tos upload ./input.wav;再创建 params.json,指定 input_path 与 output_path。 Step 2 预估价格:执行 las-cli price las_asr_pro --params-file ./params.json --format markdown,结果须完整返回,且必须等待用户确认。 Step 3 执行任务:执行 las-cli operators call las_asr_pro --params-file ./params.json --format markdown --out ./result.md,输出须完整返回,不做精简、修改或摘要。 Step 4 失败排查:用 las-cli task status <task_id> --operator las_asr_pro 检查状态,并检查输入格式与 TOS 对象、output_path 可写性、配置与 Region。

限制与注意事项:不要让用户输入 AccessKey 和 SecretKey;下载文件只能使用 las-cli tos download 命令;las-cli operators call 和 las-cli price 的输出非常重要,必须完整返回给用户。具体支持的音视频格式、时长或大小上限、费用标准等资料未提供。