用途:把音频文件转写为文字,使用 coli asr 在本地离线运行语音识别模型,无需 API Key。适用于用户提供音频路径并要求转录、识别、语音转文字的场景;不适用于文字转语音(用 /tts)或制作播客、讲解内容(用 /podcast 或 /explainer)。
主要能力:支持 sensevoice 模型(中、英、日、韩、粤语,可检测语言、情绪、音频事件)或 whisper-tiny.en 模型(仅英文)。转录结果可解析出文本、语言、情绪、事件、时长。可选 AI 润色,修正标点、去语气词、提升可读性,但不做总结或改写原意。
使用方式:先检查环境,需已安装 coli(缺失时先运行 npm install -g @marswave/coli)与 ffmpeg(缺失时 WAV 仍可用,建议 brew install ffmpeg 或 sudo apt install ffmpeg)。首次转录会自动下载约 60MB 模型到 ~/.coli/models/。配置默认写入 .listenhub/asr/config.json,默认 model 为 sensevoice、polish 为 true。转录命令为 coli asr -j --model {model} "{file}",随后解析 JSON 结果,按需润色并在对话中展示,可选导出为 Markdown 文件(含 source、date、model、duration、lang 头部)。
限制:依赖本地 coli 与模型下载;whisper-tiny.en 仅支持英文;润色为可选项,关闭时保留原始转录;未提供的信息(如具体价格、平台支持范围)暂未提供。