SuperAPI AI 工具集

elevenlabs-stt

通用与其它

查看项目

更新于 10-16 06:43

技能介绍

用途:调用 ElevenLabs 的 Speech-to-Text(Scribe v2)模型,将音频或视频文件转录为文字,适合处理语音备忘、会议录音、播客等场景。

主要能力:支持 90 多种语言;可通过 --diarize 区分不同说话人;通过 --lang 指定 ISO 语言代码以提升准确度;通过 --json 输出含词级时间戳的完整 JSON;通过 --events 标记笑声、音乐等音频事件。支持 mp3、m4a、wav、ogg、webm、mp4 等主流音视频格式。

使用方式:先配置 API Key,可设置环境变量 ELEVENLABS_API_KEY,或在 clawdbot.json 中配置 skills.entries."elevenlabs-stt".apiKey。随后运行脚本,例如基础转录 {baseDir}/scripts/transcribe.sh /path/to/audio.mp3;带说话人分离加 --diarize;指定语言加 --lang en;输出 JSON 加 --json,并可重定向保存为文件。

限制:需自备 ElevenLabs API Key;具体计费、配额、时长上限及准确率等资料暂未提供。