Agent Skills
返回列表
💻

Deepgram 实时转录连接器

开发编程 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-realtime-transcription-connector 到你的 AI 助手中。

技能介绍

解决的问题

实时语音转文本场景中，开发者常需自行处理音频流传输、WebSocket 连接管理、转录结果解析（如临时结果、话语边界）等多环节逻辑，还需应对说话人分离等复杂需求。这类底层细节分散，易导致开发效率低、错误频发。

技能的工作方式

该连接器基于 Deepgram Node SDK 构建，核心能力包括：

  • 通过 wss://api.deepgram.com/v1/listen 建立实时音频流传输通道
  • 自动处理临时转录结果（interim results），支持实时反馈中间文本
  • 实现话语检测（utterance detection），精准识别语句结束边界
  • 支持说话人分离（speaker diarization），区分不同发言者

关键步骤：配置 Node.js 环境后，通过代理转发请求并携带 Authorization 头，即可利用 SDK 方法对接 Deepgram API，完成从音频输入到结构化文本输出的全流程。

适用边界与注意点

  • 依赖 Deepgram 官方 API 服务，需确保网络可访问且 API Key 有效
  • 需 Node.js 18+ 环境，代理配置需严格遵循 Authorization: token DEEPGRAM_API_KEY 格式
  • 说话人分离等高级功能可能受音频质量、说话人数影响
  • 适合实时性要求高的场景（如直播转写、实时会议），非实时场景建议使用离线转写方案

使用场景

  • 在开发直播实时字幕系统时，需要将主播的实时语音流接入接口，即时转换为文字并展示在屏幕上。
  • 编写多人在线会议记录工具时，要求准确区分不同发言人的内容，并生成带有说话人标签的会议纪要。
  • 构建语音助手后端服务时，需要获取用户说话的临时转写结果，以便在用户停顿时提前触发意图识别。

适合人员

  • 音视频后端工程师：正在为直播或语聊应用搭建低延迟的实时语音转文字接口，需要处理流式音频和说话人识别。
  • 会议系统开发者：正在开发企业级在线会议记录工具，需要准确区分多位参会者的发言并自动生成结构化纪要。
  • 智能硬件开发者：正在为智能音箱或语音助手设计本地实时反馈模块，需要获取临时转写结果以降低交互延迟。