SuperAPI AI 工具集

yichen-volc-asr

通用与其它

查看项目

更新于 10-16 00:22

技能介绍

用途:该技能承担两类任务。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时间戳删除重复、停顿、口误和废句,生成可进剪映精修的粗剪MP4与SRT。触发场景包括帮我转写这个视频、音视频转文字、识别这个音频、帮我剪口播、自动剪辑。

主要能力:支持语音转文字、视频转文字、音频识别、生成时间戳与SRT字幕,以及自动粗剪、删重复、删停顿、删口误、生成粗剪MP4。输出文件包括{工作副本}_cut.mp4、{工作副本}_cut.srt、{工作副本}.txt、{工作副本}.asr_cache.json和{工作副本}.asr_pending.json。

使用方式:基础用法为 python3 yichen-volc-asr/scripts/transcribe.py '<工作副本路径>'。可选参数包括 --dry-run(只看标注不剪辑)、--no-cache(忽略缓存重识别)、--no-execute(不执行ffmpeg剪辑,仍生成转写、标注和SRT)、--transcribe-only(只转写不分析不生成SRT)、--request-id '<火山ASR request_id>' --no-execute(只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;确认试用/时长包用完后设置 VOLC_ASR_TRIAL_EXHAUSTED=1 才切到付费应用,读取 VOLC_ASR_PAID_TOKEN 或旧 VOLC_ASR_TOKEN。切到其他应用需先设 VOLC_ASR_APP_ID,非试用应用且未标记试用用完时脚本会停止,除非显式设置 VOLC_ASR_ALLOW_NON_TRIAL_APP=1。旧环境只有 VOLC_ASR_TOKEN 时,需确认其为试用 token 才可临时设置 VOLC_ASR_ALLOW_LEGACY_TOKEN=1。

适用场景:口播视频粗剪、音视频转写、字幕草稿生成、需导入剪映或CapCut继续精修的素材准备。

限制与规则:原片不动,先复制工作副本再操作;不直接删除文件,临时文件清理需用户明确允许且先放垃圾篓;原片、工作副本、粗剪成片、复转写临时文件分开保存;TOS、ASR Token、Cookie、API Key 不写入技能、普通记忆或日志,只从环境变量或用户指定私有配置读取;长音频提交成功后不要重复跑同一文件,优先等完成或用已保存的 .asr_pending.json 或 --request-id 恢复查询;试用与付费 token 必须分开。剪辑规则包括停顿删除、纯语气词删除、相邻重复删前保后、句中语气词保留、连续前缀词清理、短片段谨慎处理、智能 margin、Smoothing。审核分三层:剪前删留方案、粗剪成片复转写、最终通过。具体价格、费用或平台支持细节暂未提供。