Parakeet 是一个音频转文字技能，提供使用 parakeet-mlx 将音频文件转换为文本的说明。parakeet-mlx 将 NVIDIA 的 Parakeet 自动语音识别（ASR）模型带到 Apple Silicon，实现快速、高质量的本地语音转文字，类似 Whisper，但针对 Apple 的 MLX 框架进行了优化。
【主要能力】
- 高质量转写并带时间戳；
- 处理速度快，资料给出的示例为 1 小时以上音频约 53 秒完成；
- 完全在设备本地处理，无需云 API；
- 输出为 SRT 字幕格式；
- 无需安装，可直接通过 uvx 运行。
【使用方式】 最简单的转写命令为： uvx parakeet-mlx /path/to/audio/file.mp3
该命令会：首次运行时下载模型（约 2.5GB）、处理音频文件、生成带时间戳转写的 SRT 字幕文件。示例：
转写播客单集
uvx parakeet-mlx podcast_episode.mp3
转写访谈
uvx parakeet-mlx interview.wav
转写会议录音
uvx parakeet-mlx meeting_recording.m4a
首次运行会下载约 2.5GB 的模型文件，耗时取决于网络连接，之后会使用缓存模型立即启动。性能针对 Apple Silicon 优化，资料示例为一个 65MB、时长 1 小时 1 分 28 秒的播客在 53 秒内完成转写；性能随音频时长而非文件大小变化；处理完全在设备上进行。
【输出格式】 工具生成与输入文件同名的 SRT（SubRip Subtitle）文件，例如输入 podcast.mp3，输出 podcast.srt。SRT 格式包含顺序字幕编号、时间戳范围（开始 --> 结束）以及各段的转写文本。
【支持的音频格式】 文档明确提到 MP3，资料推测 parakeet-mlx 可能支持常见音频格式，包括 MP3、WAV、M4A、FLAC、OGG。如遇格式问题，可先用 ffmpeg 等工具转换为 MP3 或 WAV。
【处理输出】 可查看整个转写：cat output.srt；也可仅查看文本（去除时间戳）：grep -v "^[0-9]*$" output.srt | grep -v "^[0-9][0-9]:[0-9][0-9]:[0-9][0-9]"。
将 SRT 转换为纯文本：
使用辅助脚本（推荐）
python3 srt_to_text.py output.srt > transcript.txt
或使用 awk
awk 'NF && !/^[0-9]+$/ && !/^[0-9]{2}:[0-9]{2}:[0-9]{2}/' output.srt > transcript.txt
【辅助脚本】 srt_to_text.py 位于 skills/parakeet/srt_to_text.py，用于将 SRT 文件转换为纯文本。用法示例：
基本转换（输出到 stdout）
python3 srt_to_text.py transcript.srt
保存到文件
python3 srt_to_text.py transcript.srt --output transcript.txt
保留字幕块之间的段落分隔
python3 srt_to_text.py transcript.srt --paragraphs
管道传给其他工具
python3 srt_to_text.py transcript.srt | llm "Summarize this" 其特点包括：去除字幕编号和时间戳；将文本合并为连续散文（使用 --paragraphs 时保留段落）；支持通过 stdin 输入以便管道处理；输出干净，适合 LLM 处理。
【与其他工具配合】 SRT 格式被广泛支持，可导入视频编辑软件、配合字幕播放器使用、转换为其他格式（VTT、ASS 等），或用文本分析工具处理。
【常见工作流】 批量转写多个文件： for file in *.mp3; do echo "Processing $file..." uvx parakeet-mlx "$file" done 转写并提取文本： uvx parakeet-mlx audio.mp3 awk 'NF && !/^[0-9]+$/ && !/^[0-9]{2}:[0-9]{2}:[0-9]{2}/' audio.srt > audio.txt 转写后可检查 SRT 文件，核对语音分段、时间戳准确性以及文本质量与准确度。
【故障排查】 模型下载问题：检查网络连接、确保有约 2.5GB 可用磁盘空间、再次运行命令（可能续传）。 性能问题：确保运行在 Apple Silicon（M1/M2/M3）上、关闭其他占用资源的应用、对超长文件考虑分段处理。 音频格式不支持：用 ffmpeg 转换为 MP3，例如 ffmpeg -i input.m4a -acodec libmp3lame -ab 192k output.mp3，再执行 uvx parakeet-mlx output.mp3。
【适用场景】 适合播客转写（生成可搜索文本）、访谈记录、会议记录、内容创作（生成字幕或节目笔记）、无障碍（为音视频内容创建字幕）以及研究（大规模分析语音内容）。
【与其他工具的对比】 相比 Whisper：专门针对 Apple MLX 框架优化，在 Apple Silicon 上可能更快，输出质量相近。相比云 API：无 API 费用、完全隐私（本地处理）、模型下载后无需互联网、无文件大小限制。相比人工转写：速度大幅提升（从数小时到数分钟）、质量一致、包含精确时间戳。
【获得最佳结果的建议】 音频质量很重要，清晰、背景噪声小可获得更好结果；单说话人或分离良好的多说话人音频效果最佳；始终检查转写准确性，尤其是技术术语或人名；利用 SRT 时间戳引用特定时刻；批量按顺序处理多个文件以提高效率。
【限制与说明】 Parakeet-MLX 完全在设备上运行以确保隐私；工具面向 Apple Silicon 设计，在 Intel Mac 上性能可能不同；首次运行需要联网下载模型；资料称清晰音频的输出质量“很高”；工具针对语音识别优化，不适合音乐或其他音频类型。