OpenRouter音频转写

技能简介

通过OpenRouter聊天补全接口，使用支持音频输入的模型（如Gemini、GPT-4o-audio等）将音频文件转换为文字稿。

能做什么

• 将本地音频文件（m4a、ogg等格式）转写为纯文本
• 指定不同模型进行转写，对比效果
• 添加自定义提示词，如要求标注说话人
• 将结果保存到指定文件
• 在OpenRouter后台追踪调用来源

使用说明

安装前提：系统需已安装 curl、ffmpeg、base64、jq。

配置密钥：设置环境变量 OPENROUTER_API_KEY，或在 ~/.clawdbot/clawdbot.json 中配置 apiKey。

基础用法：

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a

常用选项：

# 更换模型
{baseDir}/scripts/transcribe.sh audio.ogg --model openai/gpt-4o-audio-preview

# 添加转写指令
{baseDir}/scripts/transcribe.sh audio.m4a --prompt "标注说话人"

# 输出到文件
{baseDir}/scripts/transcribe.sh audio.m4a --out /tmp/transcript.txt

# 自定义调用标识
{baseDir}/scripts/transcribe.sh audio.m4a --title "MyApp"

输入与输出

见下方输入与输出表格。

风险提示

• 大体积音频文件经base64编码后可能超出shell参数长度限制，脚本虽采用临时文件规避，但仍建议控制单文件时长
• 若返回空响应，需检查API密钥、模型是否支持音频输入、文件是否损坏
• 音频上传至第三方API，敏感内容请评估合规性
• macOS与Linux的mktemp行为差异已由脚本处理，跨平台使用无需额外调整

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/obviyus/openrouter-transcribe/SKILL.md
来源类型：GitHub仓库