SuperAPI AI 工具集

openai-whisper-api

编程与开发

查看项目

更新于 10-16 09:59

技能介绍

用途:将音频文件通过 OpenAI 的 /v1/audio/transcriptions 接口转写为文本,基于 Whisper 模型。

主要能力:提供脚本 {baseDir}/scripts/transcribe.sh 完成转写。默认模型为 whisper-1,默认输出到与输入同名的 <input>.txt 文件。支持以下参数:--model 指定模型;--out 指定输出路径;--language 指定语言(如 en);--prompt 提供提示词(如说话人姓名);--json 以 JSON 格式输出。

使用方式:先设置 OPENAI_API_KEY,或在当前 OpenClaw 配置文件($OPENCLAW_CONFIG_PATH,默认 ~/.openclaw/openclaw.json)中配置 apiKey。可选设置 OPENAI_BASE_URL,用于接入兼容 OpenAI 的代理或本地网关。

快速开始示例: {baseDir}/scripts/transcribe.sh /path/to/audio.m4a

常用示例: {baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model whisper-1 --out /tmp/transcript.txt {baseDir}/scripts/transcribe.sh /path/to/audio.m4a --language en {baseDir}/scripts/transcribe.sh /path/to/audio.m4a --prompt "Speaker names: Peter, Daniel" {baseDir}/scripts/transcribe.sh /path/to/audio.m4a --json --out /tmp/transcript.json

适用场景:需要对音频进行语音转文字,并希望以命令行脚本方式批量或按需处理,或通过兼容代理/本地网关访问 OpenAI 转写服务的场合。

限制:资料未提供支持的音频格式清单、文件大小与时长上限、价格与计费方式、转写准确率以及速率限制等信息。