本地音频转文字

技能简介

基于 faster-whisper 的本地音频转录工具，通过 Docker 容器运行，无需联网或 API 密钥即可将语音文件转换为纯文本。

能做什么

• 转录 mp3、m4a、ogg、wav、webm、flac、aac 等常见音频格式
• 支持西班牙语（默认）、英语等语言，或自动检测语种
• 处理即时通讯中的语音消息附件
• 完全本地运行，保护音频内容隐私

使用说明

1. 进入技能目录并执行安装脚本：

   cd /path/to/skills/transcribe/scripts
   chmod +x install.sh
   ./install.sh

   该命令会构建 whisper:local Docker 镜像，并安装 transcribe 命令行工具。

2. 执行转录：

   transcribe /path/to/audio.mp3 [language]

   其中 language 参数可选：默认为 es（西班牙语），指定 en 为英语，auto 为自动检测。

3. 如需更高准确度，可编辑 install.sh 将模型从 small 改为 large-v3。

输入与输出

见下方输入与输出表格。

风险提示

• 首次构建 Docker 镜像需要下载约 1GB 数据
• small 模型速度快但识别准确率有限，专业场景建议改用 large-v3
• 长音频转录耗时较长，大文件请预留充足时间
• 需确保 Docker 服务正常运行

来源信息

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