本地语音转文字

技能简介

Parakeet MLX 是基于 Apple Silicon 芯片的本地语音识别工具，使用 MLX 框架运行 Parakeet 模型，将音频文件转换为文字，无需联网或 API 密钥。

能做什么

• 将 MP3、M4A 等格式音频转为 txt、srt、vtt、json 等文本格式
• 批量处理多个音频文件（支持通配符）
• 高亮显示识别词汇并输出置信度分数
• 完全本地运行，保护音频隐私

使用说明

安装步骤

1. 确保已安装 uv 包管理器与 ffmpeg
2. 执行安装指令：uv tool install parakeet-mlx -U（注意：使用 uv tool install 而非 uv add 或 pip install）
3. 首次运行时自动从 Hugging Face 下载模型到 ~/.cache/huggingface

基础用法

• 简单转录：parakeet-mlx /path/audio.mp3 --output-format txt
• 生成字幕并高亮词汇：parakeet-mlx /path/audio.m4a --output-format vtt --highlight-words
• 批量导出全部格式：parakeet-mlx *.mp3 --output-format all
• 查看完整选项：parakeet-mlx --help

输入与输出

见下方输入与输出表格。

风险提示

• 仅支持 Apple Silicon 设备（M1/M2/M3/M4），Intel Mac 无法运行
• 首次下载模型需要网络连接，约占用数 GB 磁盘空间
• 缺少 ffmpeg 会导致音频处理失败
• 长音频转录耗时较长，建议先用短音频测试

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/kylehowells/parakeet-mlx/SKILL.md
来源类型：GitHub 仓库