用途:调用 OpenAI 的 /v1/audio/transcriptions 接口,把音频文件转写为文字,适合语音转文本、从录音中提取文字等场景。
主要能力:提供脚本 {baseDir}/scripts/transcribe.sh 完成转写。默认模型为 whisper-1,默认输出为与输入同名的 .txt 文件。支持通过参数指定模型、输出路径、语言和提示词,也可输出 JSON 格式。
使用方式:基本用法为 {baseDir}/scripts/transcribe.sh /path/to/audio.m4a。常用参数示例:--model whisper-1 --out /tmp/transcript.txt 指定模型与输出;--language en 指定语言;--prompt "Speaker names: Peter, Daniel" 提供提示词;--json --out /tmp/transcript.json 输出 JSON。
API 密钥:需设置环境变量 OPENAI_API_KEY,或在 ~/.otto/otto.json 中配置 skills 下 openai-whisper-api 的 apiKey 字段。
限制:资料未提供支持的音频格式范围、文件大小上限、计费方式、并发或速率限制等信息,暂未提供。