AI Skill 大全

Whisper 本地录音转文字

用本地 Whisper 把录音转成文字,不下云、断网也能跑。

功能与用途

有些录音涉及客户、内部会议或隐私内容,放到在线转写服务上不放心。这个技能调用 OpenAI 的 Whisper 模型在你自己的电脑上转写,模型下载完之后完全离线。可以从 tiny 到 large-v3 五个档位选模型,在速度和准确率之间取舍,还能输出词级时间戳和 JSON 格式,方便做字幕或后续加工。

适用场景

  • 离线转录敏感会议录音:在无网或内网环境下将包含商业机密的会议音频转为文本,录音数据不出本地,保障信息安全。
  • 快速生成音视频字幕:利用带有词级时间戳选项的转写命令,从多媒体音频提取精确对齐的文字时间轴,导出 JSON 制作字幕。
  • 灵活平衡转录速度与准确率:根据电脑性能与需求自由切换 tiny、turbo 或 large-v3 模型档位,短音频秒级出结果,长音频高精度识别。

适用人群

  • 需要处理涉密或含个人隐私录音的律师与医生
  • 给视频做字幕的剪辑和字幕组人员
  • 访谈、田野调查的研究人员

使用步骤

  1. 准备好音频文件,先确认本机装了 ffmpeg
  2. 执行 local-whisper 脚本并把音频路径传进去,用 --model 选模型档位
  3. 需要时间戳就加 --timestamps,需要结构化数据就加 --json
  4. 首次运行会下载模型,之后转写全程离线
  5. 拿到文字后自己再过一遍专有名词和数字

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。

查看 MCP 接入说明

技术信息

分类
效率
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
进阶
版本
1.0.0
最近更新
2026-05-11
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Local speech-to-text using OpenAI Whisper. Runs fully offline after model download. High quality transcription with multiple model sizes.

使用前准备

  • 本机安装 ffmpeg
  • Python 3.12 与 uv 环境,脚本会自建虚拟环境并装 torch 和 whisper
  • 首次使用需联网下载模型(tiny 39M 至 large-v3 1.5GB)

依赖与权限

  • 读取用户主动提供的内容

同类 Skill