用途:本 skill 负责两类任务。一是纯转写:把本地音视频识别成文字、时间戳和字幕;二是口播粗剪:基于 ASR 时间戳删重复、停顿、口误和废句,生成可进剪映精修的粗剪 MP4 和 SRT。触发场景包括用户要求转写视频、音视频转文字、识别音频、帮剪口播、自动粗剪时使用。
主要能力:语音转文字、视频转文字、生成带时间戳的转写稿与 SRT 字幕;按删除/保留区间生成粗剪 MP4;对粗剪成片复转写审核;输出转写稿、字幕、删留方案与复查说明。剪辑规则涵盖停顿删除、纯语气词删除、相邻重复删除、句中语气词保留、连续前缀词清理、短片段谨慎处理、智能 margin 与 smoothing。
使用方式:基础用法为 python3 volc-asr/scripts/transcribe.py '<工作副本路径>'。可用 --dry-run 只看标注不执行剪辑,--no-cache 忽略缓存重新识别,--no-execute 不执行 ffmpeg 剪辑,--transcribe-only 只转写,--request-id 恢复查询已提交任务。脚本默认使用 VOLC_ASR_TRIAL_APP_ID 并优先读取 VOLC_ASR_TRIAL_TOKEN。
输出文件:{工作副本}_cut.mp4、{工作副本}_cut.srt、{工作副本}.txt、{工作副本}.asr_cache.json、{工作副本}.asr_pending.json。
限制:原片不动,先复制工作副本;不得直接删除文件,临时文件清理需用户明确允许并先放垃圾篓。Token、Cookie、API Key 不得写入 skill、记忆或日志,只从环境变量或私有配置读取。试用与付费 token 必须分开,试用包未用完前不得切到付费应用;此点涉及实际扣费,需用户确认。长音频提交后不应重复提交同一文件以免重复消耗试用时长或余额,应通过 asr_pending.json 或 --request-id 恢复查询。若失败,需说明缺少的环境变量、文件不存在、上传失败、ASR 失败或 ffmpeg 报错。