音频转文字
把录音转成分角色标注的文字稿,可输出纯文本或带说话人区分的结构化 JSON。
功能与用途
该工具用于将本地音视频录音文件转换为文字稿。用户输入音频文件路径,可选择生成纯文本、基础 JSON 或包含发言人区分与时间戳的结构化内容;针对多人对话,还可传入已知发言人的声音参考样本来校准人名标注。转写结果统一保存在指定目录下。运行前需在本地环境中配置 OPENAI_API_KEY 并安装 Python 相关依赖。
适用场景
- 多人会议纪要整理:输入包含多位参会者的录音文件,自动切分发言片段并标注说话人身份与时间戳,便于迅速梳理会议结论与行动项。
- 访谈播客逐字稿制作:针对双人或多人访谈录音,结合预设的受访者声学参考,生成带有角色区分的高准确度文字底稿。
- 视听素材文案提取:将音视频中的口播录音快速转写为纯文本,方便内容创作者提取台词、二次改写脚本或制作对齐字幕。
适用人群
- 播客主理人
- 内容运营
- 记者
- 会议记录者
使用步骤
- 先确认 OPENAI_API_KEY 已在本地环境变量里配置好
- 提供音频文件路径,并说明想要的输出格式(text / json / diarized_json)
- 如有已知的说话人信息或语言提示一并给出,帮助提升标注准确度
- 让 CLI 先跑一遍,再检查转写质量、说话人标签和分段边界
- 需要微调时做一次针对性修改,多个文件用 --out-dir 输出到独立目录
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
- 自媒体
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-13
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Transcribe audio files to text with optional diarization and known-speaker hints. Use when a user asks to transcribe speech from audio/video, extract text from recordings, or label speakers in interviews or meetings.
使用前准备
- 本地配置好的 OPENAI_API_KEY
- 音频文件路径
- 本机可运行 Python 脚本
依赖与权限
- OPENAI_API_KEY
- 读取用户主动提供的内容