SuperAPI AI 工具集

voice-note-ingest

通用与其它

查看项目

更新于 10-16 03:47

技能介绍

用途:处理用户通过任意渠道(如 Telegram、语音备忘上传、openclaw 音频附件)发来的单条语音消息,把内容整理进知识库(brain)相应页面,同时保留原始音频与逐字转录。

主要能力与流程:

  1. STORE:将原始音频上传到 gbrain 存储后端(S3 / Supabase Storage / 本地,可由 src/core/storage.ts 插拔配置)。
  2. TRANSCRIBE:优先使用宿主代理提供的转录文本;若没有,再用宿主转录工具转写,资料提到 Groq Whisper 快且便宜,OpenAI Whisper 也可用,超过 25MB 的音频先用 ffmpeg 分段。
  3. ROUTE:按决策树确定目标目录——原创想法或论点归 originals/<slug>.md;他人创建的概念或模型归 concepts/<slug>.md;关于具体的人更新 people/<person>.md 时间线;关于具体公司更新 companies/<company>.md;产品或商业点子归 ideas/<slug>.md;个人反思归 personal/<slug>.md;都不匹配则归 voice-notes/YYYY-MM-DD-<slug>.md。多个类别命中时,先建主页面再交叉链接。
  4. WRITE:创建或更新目标页面,在引用块“User's Words”中逐字保留转录。
  5. CROSS-LINK:对提到的每个人和公司,从其 brain 页面添加回链时间线。

页面骨架包含 title、type、created、updated、tags、sources(voice-note 的 storage_path、acquired、acquired_via),正文含摘要、User's Words(逐字转录加音频链接)、Analysis 和 See Also 与 Timeline。引用格式为 [Source: voice note, <channel>, YYYY-MM-DD],有时间戳则加上。音频命名采用 YYYY-MM-DD-<brief-slug>.<ext>。

限制与约定:一次只处理一条语音,不批量。铁律是绝不改写、不清理口语停顿与语气词,转录部分视为神圣;Analysis 部分可作解释。不得跳过音频存储,不得在提到人物或公司时省略交叉链接。遵循 conventions/quality.md、_brain-filing-rules.md 等约定,并保持隐私契约:不出现真实姓名、不写特定分支文件系统路径、不引用上游分支。转录工具的具体配置、gbrain 后端细节与费用信息暂未提供。