Agent Skills
返回列表
🎨

Deepgram Nova 音频转录

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_3c6cb52e/deepgram-nova-transcriber-agent。

技能介绍

要解决什么问题

音频转录看着简单，落到工程里却处处是坑：多人对话时谁说了什么分不清，标点缺失导致文本难以直接喂给下游解析，批量文件要么逐个上传要么自建任务队列。Deepgram Nova Transcriber 要处理的正是这几类实际问题——让语音变成可读、可用、带结构信息的文本。

核心能力与工作方式

  • 声纹识别：区分音频中的不同说话人，为对话内容标注角色归属
  • 标点与智能格式化：自动补全逗号、句号等标点，并对数字、日期等做规范化
  • 双通道处理：通过 WebSocket 做流式转录，适合直播字幕、实时会议；通过 REST 做批量转录，适合离线处理大量录音
  • 预录制端点与回调：提交文件后无需轮询，转录完成后通过回调 URL 推送结果

典型流程：上传音频或建立流连接 → 指定 Nova-2 模型与参数 → 等待转录 → 解析带标点和说话人标签的文本。

适用边界与注意点

  • 声纹识别在背景噪音大、说话人重叠或音色相近时准确率会下降
  • 流式模式依赖稳定网络，断线重连逻辑需要自行处理
  • 批量处理时需关注 API 速率限制
  • 智能格式化依赖上下文，专业术语可能需要后处理修正

使用场景

  • 在线会议结束后,将录音批量转录成带标点和说话人标签的文字记录
  • 直播场景中通过 WebSocket 实时获取字幕文本,延迟控制在秒级
  • 客服录音需要区分客户与坐席的发言,生成可检索的对话记录
  • 播客制作时将成片音频转写成带段落分隔的文稿用于校对发布

适合人员

  • 需要为会议生成可存档文字记录的运维工程师
  • 处理客服录音并做质量抽检的合规人员
  • 搭建直播字幕系统的前端或后端开发者
  • 将播客音频转成文稿的内容编辑