SuperAPI AI 工具集

long-audio-transcript-processor

通用与其它

查看项目

更新于 10-15 17:31

技能介绍

用途:面向长篇语音转写文本的校对与整理工作流。当用户提供一个或多个长篇转写文件,需要修复识别错误、词语重复、中断错漏,区分发言人、整理段落,或文本过长无法一次放入模型上下文、工作需跨多次对话中断恢复时适用。资料建议使用高性能模型以保证质量。

主要能力:通过工作区文件系统组织流程,包含工作日志、原始文件、要求与信息、校对和术语表、分段主题、最终输出等目录。采用分段循环处理,每段读取背景文档、术语表、主题记录加载上下文;先用 sed 按行范围提取原文到底稿,再校对改写写回;更新术语表与主题(只追加);在日志标记分段完成。支持中断恢复:中断后不重新初始化,直接读取背景与术语表找回记忆并继续。支持衍生任务,如问答库、摘要、待办事项,同样只追加。

使用方式:先询问用户是否准备好源文件,运行初始化命令 python3 .gemini/skills/long-audio-transcript-processor/scripts/setup_workspace.py "path/to/file1.txt" "path/to/file2.txt" ...(路径按实际安装位置调整)。随后将背景文档复制到 2-要求和信息/ 目录。进入分段循环前先读取工作日志、背景文档、术语表、主题记录并列出输出文件。用 sed -n '开始行,结束行p' "1-原始文件/文件名.txt" > "5-最终输出/文件名_开始行-结束行.txt" 提取底稿。校对时保持校正后行数与原始行数一致,不更改时间戳行;合并发言可用 (空) 占位。不确定内容标记为 (...)。识别发言人时在发言行行首显式标记角色。订正反馈使用 🔴 原始内容、🟢 新内容、‼️ 需特别留意 标记修改痕迹。

适用场景与限制:适合长会议、访谈等录音转写稿的持续整理。所有生成文件应存放在初始化的工作目录中;必须准确对应行号;术语表、主题和额外输出文件遵循只追加不修改原则;禁止未读取背景文档即开始处理分段。资料未提供具体性能指标、支持语言、模型或平台要求等细节。