用途:将远程音频 URL 或本地音频文件中的语音内容转写为纯文本,适用于通话、录音、会议等音频的文本化处理。
主要能力:通过命令行脚本调用 Coze ASR 完成识别。支持 --url/-u 指定远程音频地址,或 --file/-f 指定本地音频文件;两者必须有其一,若同时提供,本地文件优先生效。本地文件会以 base64 音频内容读取并上传。支持 WAV、MP3、OGG Opus、M4A 格式。根据 SDK 文档建议,时长上限约 2 小时,大小上限约 100MB。命令行会输出识别文本,还可能输出时长与分段信息;不会输出完整语句明细或原始响应内容。该技能不提供 --header/-H 自定义请求头,也不支持模拟模式。
使用方式: node {skillDir}/scripts/asr.mjs --url "https://example.com/audio.mp3" node {skillDir}/scripts/asr.mjs --file ./recording.mp3 其中 {skillDir} 表示包含该 SKILL.md 的目录。
运行前提:技能运行时需要配置 plugins.entries.coze-openclaw-plugin.config.apiKey。
适用场景:需要把远程音频链接或本地录音快速转为文本,且输入格式为上述四种、时长与大小在建议范围内的情况。
限制:仅支持指定音频格式;超过建议时长或大小上限的情况暂未提供说明;不暴露自定义请求头与模拟模式;未提供关于具体模型、语言支持范围、计费及价格的信息。