技能介绍

要解决的问题

长音频、B站视频、网盘分享或本地录音里，常有人名、公司名、产品代号和技术术语。ASR 只负责把声音转成文本，不负责校对专有名词，也不负责把原始转录整理成可阅读的笔记。如果直接从原始文本开始调研，Happy Horse、Clean AI、C Dance 这类音译错误很容易进入结论；如果按上下文逐段提炼，又可能漏掉后半段，最后得到一个看似完整、实际覆盖不完整的版本。

技能如何工作

这个技能把流程拆成可检查的步骤：

下载音频：支持 B站视频、网盘分享、HTTP 直链和本地文件。
快速预览：先用 SenseVoice-Small 提取话题方向和陌生词汇，再搜索权威来源建立专有名词表。
精校转录：使用 Qwen3-ASR，处理分片、重叠去重和长任务中断。
精炼整理：按话题切章、标注时间区间、保留论证链和关键原话，并把多维对比、阶段演进、分类数据表格化。
完整性验证：检查首尾时间戳、段落覆盖、失败率和尾部内容，避免长音频被截断。

适用边界与注意点

它适合把中文播客、访谈、会议或技术分享整理成结构化笔记，前提是机器具备 GPU、XPU 或 MPS 推理能力。纯 CPU 能跑，但速度可能接近实时率，长音频体验差。文档还强调使用国内镜像、检查脚本路径、避免 python3 兼容问题、避免输出管道导致进程中断；专有名词不确定时标注 [待确认]，不要凭模型记忆硬猜。