SuperAPI AI 工具集

transcribe

通用与其它

查看项目

更新于 10-16 06:57

技能介绍

Transcribe 是一个使用本地 Whisper(Docker)将音频文件转录为文本的技能工具,底层采用 faster-whisper,完全在本地运行,无需 API 密钥。

用途 该工具用于将音频文件转换为文字。当收到语音消息、音频文件(.mp3、.m4a、.ogg、.wav、.webm 等),或被要求进行音频转录时,可以使用它。

主要能力

  • 本地音频转录:基于 faster-whisper 在 Docker 中运行,不依赖外部 API。
  • 支持多种音频格式:mp3、m4a、ogg、wav、webm、flac、aac。
  • 语言控制:默认语言为西班牙语(es),可指定其他语言,也可使用 auto 进行自动检测。
  • 输出为纯文本,写入标准输出(stdout)。
  • 模型为 small(速度快);如需更高准确度,可编辑 install.sh 改用 large-v3。

使用方式 安装: cd /path/to/skills/transcribe/scripts chmod +x install.sh ./install.sh 该脚本会构建 Docker 镜像 whisper:local 并安装 transcribe CLI。

基本用法: transcribe /path/to/audio.mp3 [language]

示例: transcribe /tmp/voice.ogg # 西班牙语(默认) transcribe /tmp/meeting.mp3 en # 英语 transcribe /tmp/audio.m4a auto # 自动检测

处理语音消息的流程:

  1. 将音频附件保存到临时文件。
  2. 运行 transcribe <path>。
  3. 在回复中包含转录结果。
  4. 清理临时文件。

文件说明

  • scripts/transcribe:CLI 包装脚本(bash)。
  • scripts/install.sh:安装脚本(内联包含 Dockerfile)。

适用场景 适用于需要将语音消息、录音或音频文件转为文字,且希望数据在本地处理、不依赖云端 API 的场景。

限制

  • 默认模型为 small,速度较快但准确度有限;如需更高准确度需手动修改 install.sh 使用 large-v3。
  • 默认语言为西班牙语,处理其他语言时需显式指定语言或使用 auto。
  • 依赖 Docker 环境。
  • 关于性能、并发、最大文件大小、价格或收费等信息,资料中暂未提供。