音视频转写与说话人标注
输入录音、视频或媒体链接,提取并转写语音、标注说话人和时间戳,输出便于检索、校对与制作字幕的文本及表格。
功能与用途
将本地录音、视频或可访问的媒体链接转换为带时间戳和说话人标注的文字,也可按需生成 CSV,方便校对、检索和制作字幕。对于普通会议录音,可选择飞书妙记转写;有离线、隐私或独立比对需求时,可使用本地识别或远程 ASR。还可合并录音分段、提取视频音轨及调整音频格式。部分说话人分离能力需要 Hugging Face 访问令牌;本地 MLX 路线要求 Apple Silicon。
适用场景
- 会议录音整理:将会议录音转成带说话人和时间戳的文本,便于回听、检索与后续归档。
- 访谈与播客转写:从音频或节目页面获取媒体并生成分角色转写稿,方便编辑访谈内容。
- 视频字幕底稿:提取视频中的音轨并生成带时间信息的文字,作为字幕制作和校对的底稿。
- 分段录音合并:合并录音设备产生的多个音频片段,并按需要转换格式或压缩后再转写。
适用人群
- 需要整理会议录音的职场人士
- 制作字幕的剪辑与内容团队
- 需要转写访谈和播客的研究人员
- 需要批量整理现场录音的媒体工作者
使用步骤
- 提供录音、视频或媒体链接,并说明转写用途。
- 选择飞书妙记、本地识别或远程识别路线。
- 按需提取音轨、合并片段或转换音频格式。
- 生成转写文本、时间戳和说话人标注。
- 检查转写结果并获取文本或 CSV 文件。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 效率
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
>-
依赖与权限
- INPUT_FILE_OR_URL
- HF_TOKEN
- HOST
- PORT
- PATH