Deepgram语音转写

技能简介

Deepgram CLI 是 Deepgram 语音转文字服务的命令行客户端，支持本地文件、远程URL和麦克风实时输入，输出格式包括JSON、纯文本、SRT和VTT字幕。

业务背景

Deepgram CLI 让语音内容快速转化为可用文字资产。无论是整理会议录音、抓取播客要点，还是实时记录访谈内容，都能通过命令行一键完成，支持多种输出格式直接对接后续编辑流程，省去手动听写的繁琐工作。

落地案例：市场部每周需整理多场客户电话录音。使用 Deepgram CLI，输入本地录音文件路径即可批量生成带时间戳的文本或 SRT 字幕；记者外出采访时，开启麦克风实时转写模式，边说边出稿；处理网络公开音频时，直接粘贴 URL 即可完成内容提取。说话人分离功能还能自动区分对话双方，方便后续按角色归档。

能做什么

• 将本地音频文件转为文字
• 转写网络音频链接内容
• 通过麦克风实时听写
• 识别多位说话人并分离
• 生成带时间轴的字幕文件

使用说明

1. 安装

npm install -g @deepgram/cli

2. 登录授权

deepgram login

按提示输入 Deepgram API 密钥，密钥将保存在本地。

3. 基础转写

deepgram listen prerecorded audio.wav

4. 高级选项

deepgram listen prerecorded audio.wav \
  --model nova-2 \
  --language en \
  --punctuate \
  --diarize

5. 实时麦克风输入

deepgram listen microphone

按 Ctrl+C 停止录制。

6. 保存结果

deepgram listen prerecorded audio.wav > transcript.json
deepgram listen prerecorded audio.wav --format text > transcript.txt

输入与输出

见下方输入与输出表格。

项目	内容
输入	本地音频文件(.wav/.mp3等)、远程音频URL、麦克风实时流、Deepgram API密钥
输出	JSON转写结果、纯文本、SRT字幕、VTT字幕、带说话人标签的时间轴数据
适用人群	开发者、字幕制作人员、会议记录员、需要语音自动化的技术团队
不包含	视频直接处理、离线运行能力、无限免费额度、图形界面

 

风险提示

• 需要有效的 Deepgram API 密钥，免费额度用尽后产生费用
• 麦克风实时转写持续消耗 API 调用时长
• 网络音频转写受限于链接可访问性和文件大小
• 说话人分离功能对音频质量有一定要求

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/nerkn/deepgram/SKILL.md
来源类型：GitHub 仓库