语音转文字

技能简介

voice-transcribe 使用 OpenAI 的 gpt-4o-mini-transcribe 模型，将音频文件转换为文字。支持通过自定义词库和文本替换规则修正转录结果，适合处理 WhatsApp 语音备忘等场景。

业务背景

将会议录音、客户留言等音频快速转为可搜索、可编辑的文字，省去人工听写时间。通过自定义词库和替换规则，提升专业术语识别准确度，避免反复校对。

落地案例：销售团队收到WhatsApp语音备忘后，直接上传MP3文件，系统自动转录为文字并缓存结果。若发现品牌名或产品术语识别错误，可在vocab.txt添加提示词，或在replacements.txt设置强制替换规则，后续同类音频自动修正，无需逐条人工干预。

能做什么

• 将 MP3、WAV、OGG 等格式的音频转为文字
• 通过 vocab.txt 添加专业术语或人名提示
• 通过 replacements.txt 强制修正特定错误
• 按文件 SHA256 缓存结果，避免重复调用 API

使用说明

安装要求：需先安装 uv（Python 包管理器），访问 https://docs.astral.sh/uv/ 获取安装方法。

配置步骤：

1. 克隆技能仓库到本地目录
2. 在 /Users/darin/clawd/skills/voice-transcribe/.env 中添加 OpenAI API 密钥：
   OPENAI_API_KEY=sk-...

运行命令：

uv run /path/to/voice-transcribe/transcribe <audio-file>

示例：转录语音备忘并复制到剪贴板

transcribe /tmp/memo.ogg | pbcopy

输入与输出

见下方输入与输出表格。

风险提示

• 仅支持英语，无语言自动检测功能
• 需要有效的 OpenAI API 密钥及网络连接
• 大文件可能产生较多 API 调用费用
• 缓存基于文件 SHA256，修改后的同名文件会重新转录

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/darinkishore/voice-transcribe/SKILL.md
来源类型：GitHub 开源仓库