Agent Skills
返回列表
🎨

出海助手 Whisper 语音转写

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_9c953624/yimubiao-whisper-api。

技能介绍

要解决什么问题

会议、访谈和视频素材往往只有音频或带音轨的文件,人工听写成本高,也难以做后续检索与整理。若你已经在用 OpenAI 或兼容网关的 Whisper / transcriptions 接口,更希望用自然语言把「这份文件转出来」交给助手,而不是每次手写 curl 或脚本参数,这个技能就是把 /v1/audio/transcriptions 封装成可对话的工作流。

技能如何工作

核心路径很直接:配置 OPENAI_API_KEY(必要时设置 OPENAI_BASE_URL 指向兼容代理或本地网关),向技能提供本地音频路径,由技能调用转写接口并返回文本。默认模型为 gpt-4o-transcribe,输出为 .txt。

技能说明中保留的原始能力还包括:

  • 支持常见上传格式:mp3、mp4、mpeg、mpga、m4a、wav、webm
  • 托管 API 侧单文件 25 MB 上传上限
  • 需要说话人标注时可使用 diarize(脚本侧会配合 chunking_strategy=auto,且不接受 --prompt)

本仓库为 openai-whisper-api(openclaw 生态)的中文本地化版,运行脚本与许可未改,仅补充出海场景说明;专业术语正文仍保留英文原词。

适用边界与注意点

这是依赖外部凭证的技能:未配置密钥前无法调用。长音频与批量任务适合走 API,但仍受单文件大小与网关策略约束。若你的环境不是官方 OpenAI 端点,务必先确认兼容实现是否支持相同模型与格式。

使用场景

  • 产品复盘会后只有 m4a 录音,需要全文文稿供 Confluence 归档与全文搜索
  • 访谈视频是 mp4 音轨,要生成逐字稿再按主题拆成章节笔记
  • 运营素材库批量导入 wav 片段,统一转成 txt 后喂给摘要或合规审阅流程
  • 跨境团队协作会议 webm 录屏,需带说话人区分的转写稿做责任记录

适合人员

  • 每周整理播客/内部会议录音的内容编辑,要把 mp3、m4a 路径交给助手出 txt
  • 负责视频本地化的人,需要先转写访谈 mp4 再写中英字幕稿
  • 出海运营要把 Shopify 客服通话录音做成可检索工单附件的运营负责人
  • 已配置 OpenAI 或兼容网关、想用对话代替手写 transcription 参数的工程师