ElevenLabs语音转写

技能简介

基于ElevenLabs Scribe的语音转文字工具，支持90余种语言识别、说话人分离（diarization）及实时流式转录。可处理本地音频文件、网络流媒体及麦克风输入。

业务背景

ElevenLabs语音转写可将会议录音、客服通话、直播内容等音频实时或批量转为结构化文字，支持90余种语言识别与说话人分离。企业无需人工听写即可沉淀会议纪要与客户洞察，提升合规审查效率，并为后续数据分析、知识库构建提供可检索的文本资产。

落地案例：某金融机构每日产生大量客户经理通话录音。合规团队上传前日WAV文件批量转写，启用说话人分离功能自动区分客户经理与客户声音，输出带时间戳的JSON格式文本。质检员按关键词快速定位敏感话术段落，替代逐条回听录音的传统方式，将单通录音审查时间从15分钟压缩至2分钟。

能做什么

• 批量转录音频/视频文件（MP3、WAV、MP4等格式）
• 实时转录网络流媒体（直播、播客）
• 捕获麦克风输入并即时转写
• 识别不同说话人（–diarize）
• 输出带时间戳的JSON格式结果
• 标记音频事件（笑声、音乐、掌声）

使用说明

安装依赖

# macOS
brew install ffmpeg

# 设置API密钥
export ELEVENLABS_API_KEY="your_key_here"

基础用法

{baseDir}/scripts/transcribe.sh <audio_file> [options]
{baseDir}/scripts/transcribe.sh --url <stream_url> [options]
{baseDir}/scripts/transcribe.sh --mic [options]

常用示例

# 转录本地文件
./transcribe.sh recording.mp3

# 会议记录（含说话人分离）
./transcribe.sh meeting.mp3 --diarize

# 获取完整JSON（含时间戳）
./transcribe.sh interview.wav --diarize --json

# 实时流媒体转录
./transcribe.sh --url https://example.com/live.mp3

# 麦克风输入（静默模式，适合自动化场景）
./transcribe.sh --mic --quiet

输入与输出

见下方输入与输出表格。

风险提示

• 需妥善保管ELEVENLABS_API_KEY，避免泄露
• 单文件上限3GB或10小时时长
• 实时流式依赖网络稳定性
• 说话人分离准确率受音频质量影响
• API调用产生费用，注意用量控制

来源信息

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