SuperAPI AI 工具集

podcast-transcribe

通用与其它

查看项目

更新于 10-15 17:34

技能介绍

用途:把播客/小宇宙音频下载后转录为 Markdown,支持 RSS 批量下载与单集链接转录,也接受直接音频地址和本地文件。来源包括小宇宙、喜马拉雅等;单集页面会尝试提取音频链接,失败时改用直接音频地址或本地文件。产物为带 frontmatter、来源和转录后端标记的 Markdown,有分段信息时保留时间戳,没有时间信息时不编造时间轴。

主要能力:默认本地 SenseVoice-Small(与视频类技能共用 chubby_common/funasr.py 封装),可选本地 qwen3-asr-0.6b;云端后端为 DashScope 的 qwen3-asr-flash 和 Groq 的 whisper-large-v3-turbo,需用户明确选择后启用,音频会发送至云端并可能计费。Groq 长音频自动用 ffmpeg 按 20 分钟分片、逐段转录后拼接并累加时间戳,支持断点续传与 429 退避等待。

使用方式:在 skill 目录创建虚拟环境并安装依赖,命令保持为 python3 -m venv .venv、source .venv/bin/activate、python3 -m pip install -r requirements.txt,另需安装 ffmpeg。单集运行 python3 scripts/transcribe.py,批量运行 python3 scripts/batch_transcribe.py --rss-url 与 --count 等参数。--provider 优先于 PODCAST_TRANSCRIBE_PROVIDER,都未指定时使用 local。标准输出最后一行是成功生成的 Markdown 路径。

限制与注意:自动下载仅接受公网 HTTP(S) 直连地址,禁用代理和重定向,拒绝本地/私网地址,需跳转或代理时请先自行下载。云端密钥通过环境变量配置,不能写入命令参数、转录稿或版本库;DashScope 限制编码后不超过 10MB、时长不超过 5 分钟,Groq 免费层单文件上限 25MB。--resubmit 会创建新任务并可能重复计费;客户端超时不等于服务端取消。本地 SenseVoice-Small 只输出纯文本全文,不生成逐段时间戳。转录可能有专有名词、数字或断句错误,引用前需核对原始音频;不提供通用说话人分离保证;云端真实可用性、账号权限、兼容性与费用尚需独立验收。请在合规与版权范围内使用。