SuperAPI AI 工具集

tingwu-asr

通用与其它

查看项目

更新于 10-15 20:10

技能介绍

用途:把本地音频/视频或链接(小宇宙、YouTube、B站等)上传到阿里云通义听悟做云端转录,输出可被 local-asr 的 summary.py 注入 AI 总结的 Markdown。不适用于无网络或需完全离线的场景。

主要能力:上传文件到阿里云 OSS;云端转录并支持说话人分离;支持中文、英文、日文、粤语、中英混合;输出 Markdown 并同时保存到源文件目录和 archive 归档目录;视频可提取 PPT 幻灯片;可批量、并行转录,支持异步模式用于长视频。

使用方式:依赖 Python 3.8+、requests、oss2,登录时用 playwright。安装:pip3 install -r skills/tingwu-asr/config/requirements.txt。首次登录推荐运行 python3 skills/tingwu-asr/scripts/login_pw.py,凭证从 config/.env 读取。转录示例:python3 skills/tingwu-asr/scripts/transcribe.py /path/to/audio.mp3 --lang cn;链接会自动用 yt-dlp 下载。参数含 --lang、--speakers、--batch、--parallel、--force、-o、--no-archive、--no-lab、--ppt。先运行 check_auth.py 检查登录态。

限制:Cookie 会过期需重新登录;免费额度有限,大文件或高频使用可能触发风控;音频最大 500M、视频最大 6G、单文件最长 6 小时;据资料,说话人分离仅 --speakers 2 实测有效。账号密码、cookie 等凭证文件不提交。