用途：用 OpenAI Whisper 转写 WAV 音频并判断语音是否可懂，可选与预期文本比对，常用于 TTS 质量验证、语音输出回归测试与批量变体比较。
安装与运行：Whisper 通过 uv 工具安装，命令为 uv tool install openai-whisper。因机器可能缺少 ffmpeg，应使用基于 scipy 加载 WAV 的 Python API 方式，绕过 ffmpeg 依赖。执行命令：uv run --no-project --with openai-whisper --with scipy --python 3.11 python3 ~/.claude/skills/whisper-test/transcribe.py 后接参数与 WAV 文件。
参数：--model 指定模型（默认 large-v3）；--language 语言提示（默认 en）；--expected 预期文本，提供后计算词错误率 WER；--json 以 JSON 输出；位置参数为一个或多个 WAV 路径。
模型选择：TTS 质量验证建议用 large-v3（约 10 GB 显存），medium 约 5 GB 精度尚可，small 约 2 GB 仅适合快速冒烟测试，base 与 tiny 因幻觉率高不推荐用于 TTS。
结果解读：转写匹配预期表示清晰正确；部分匹配说明有语音但质量有问题；空字符串表示不可懂；出现幻觉文本说明模型在噪声中听出内容，小模型更常见。音频指标：RMS < 0.01 近似静音；silence > 80% 基本为静音；peak < 0.05 音量过低。
TTS 常见特征：短参考做 ICL 声音克隆时开头可能含混、结尾清晰；即使 WER 高，领域关键词往往仍能听出；0.6B 模型输出可懂度明显低于 1.7B。
批量比较：加 --expected 并传入多个 WAV 可生成对比表，判断哪个变体语音清晰。
限制：主要面向 WAV 文件；无 ffmpeg 时须用 scipy 加载器。文档未提供收费、价格等其它信息。