Agent Skills
返回列表
忆捷语音识别与合成

忆捷语音识别与合成

设计多媒体 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_ea40f9f3/eaget-tts。

技能介绍

解决什么具体问题

在应用里集成语音能力时，开发者常会遇到几个实际麻烦：语音识别（ASR）和语音合成（TTS）通常来自不同服务，需要分别对接两套 API、两套鉴权逻辑；音频文件格式兼容性差，常见的 wav/mp3/m4a 等格式不一定都支持；手动调用接口时，容易漏传 parameters.format 导致 UNSUPPORTED_FORMAT 错误，或者 payload 格式不对返回 400。这些细节会占用大量调试时间，尤其是第一次接入陌生语音服务时。

技能如何工作

这个技能把 ASR 和 TTS 整合在一起，共用忆捷平台的 API Key，简化了接入流程。核心是两个脚本：scripts/asr.py 处理音频到文字的转换，scripts/tts.py 负责文字到音频的合成。

鉴权有两种方式：推荐通过环境变量 EAGET_API_KEY 配置（避免每次传参），也可以用 --api-key 参数临时覆盖。ASR 脚本必填 --audio 参数，支持 wav/mp3/m4a/ogg/aac/flac/webm 等多种格式，可选 --output 保存结果、--timeout 调整超时时间（默认 120 秒）。TTS 脚本必填 --text 参数，能指定 --voice（默认 longanlingxin 音色）、--format（wav 或 mp3）、--sample-rate（默认 24000）和 --output 路径。

脚本会自动处理接口要求的参数，比如手动调用 API 时容易遗漏的 parameters.format，脚本内部会补齐，减少踩坑。详细的请求/响应格式和错误码可以参考 references/api_reference.md。

适用边界与注意点

需要注意 Key 的安全，不要明文回显到聊天或日志里，若泄露需及时去忆捷平台后台轮换。常见错误中，400 多因格式或 payload 错误，需对照接口文档检查；超时问题可通过增大 --timeout（如 180 秒）缓解，尤其文件较大或网络较慢时。另外，技能依赖 requests 库，需确保环境已安装该依赖。

使用场景

  • 拿到一段采访录音需要转成文字稿，使用 asr.py 指定音频文件并把识别结果保存到文件，再做后续校对。
  • 已有 wav/mp3/m4a 等格式的会议录音，想统一转成可检索文本，用 asr.py 处理并指定 --output 保存。
  • 要把产品说明文案生成配音，用 tts.py 指定 --text、音色和 --output 路径，产出 wav 或 mp3 音频。
  • 需要按接口文档排查 ASR/TTS 报错时，对照 references/api_reference.md 检查请求格式、响应字段与常见错误码。

适合人员

  • 做播客或访谈剪辑的工程师，需要把多段录音批量转成文本并归档到指定路径。
  • 开发语音助手或客服机器人的后端工程师，需要统一用一套 Key 调用识别和合成接口。
  • 负责课程或短视频配音的内容制作者，需要把讲稿转成指定音色和采样率的音频文件。
  • 需要按接口文档排查 400、超时或格式错误的开发者，希望对照请求格式和错误码定位问题。