虾转音频 (xia-zhuan-audio)
功能列表
| # | 功能 | 说明 |
|---|---|---|
| 1 | 格式转换 | m4a→mp3, wav→flac, ape→flac, aac→mp3 等，支持 20+ 格式 |
| 2 | 视频提取音频 | mp4/mkv/avi/flv → mp3/aac/wav 等 |
| 3 | 合并音频 | 将多个音频拼接成一个文件 |
| 4 | 分割音频 | 按时间范围截取片段 |
| 5 | 压缩音频 | 减小文件体积（64k/128k/192k） |
| 6 | 查看音频信息 | 时长 / 码率 / 采样率 / 声道 / 元数据 |
| 7 | 音频转文字 | Whisper AI 自动转录，支持 txt / srt / vtt / json |
支持的格式
音频格式： mp3, wav, flac, aac, m4a, ogg, wma, aiff, opus, ape, alac 视频格式： mp4, mkv, avi, mov, flv, wmv, webm
环境变量配置
| 变量 | 说明 | 默认值 |
|---|---|---|
XZA_FFMPEG |
FFmpeg/FFprobe 路径 | 系统 PATH 中查找 |
XZA_FFPROBE |
FFprobe 路径 | 从 XZA_FFMPEG 推断 |
XZA_SCRIPTDIR |
脚本目录 | 自动检测 |
XZA_MODELDIR |
Whisper 模型保存目录 | 技能目录下的 whisper_models |
HF_ENDPOINT |
HuggingFace 模型下载源 | https://huggingface.co（官方） |
依赖
- FFmpeg — 系统已有或从 https://ffmpeg.org 下载，并在 PATH 中可用
- Python — 系统已有（用于音频转文字）
- faster-whisper — 运行
pip install faster-whisper安装
Whisper 模型安全说明
模型通过 HuggingFace 官方源下载（默认），如需使用国内镜像：
set HF_ENDPOINT=https://hf-mirror.com
使用方式
通过 OpenClaw 对话触发（推荐）
直接用自然语言描述需求，例如：
- "把这段 m4a 转成 mp3"
- "把这个视频的音频提取出来"
- "把这几个音频合并成一个"
- "把这段音频 1:30 到 2:45 的部分截出来"
- "压缩这个音频，128kbps"
- "查看这个音频的信息"
- "把这段录音转成文字"
通过命令行直接调用
# 格式转换
node audio-forge.js convert <输入> <输出格式> [--bitrate 192k]
# 视频提取音频
node audio-forge.js extract <视频> [输出格式] [--bitrate 192k]
# 合并音频
node audio-forge.js merge <文件1> <文件2> [...] <输出>
# 分割音频
node audio-forge.js split <输入> <开始时间> <结束时间>
# 压缩音频
node audio-forge.js compress <输入> [--quality low|medium|high]
# 查看音频信息
node audio-forge.js info <音频文件>
# 音频转文字（Whisper）
python transcribe.py <音频/视频文件> [--model small] [--language zh] [--format txt] [--device auto]
音频转文字 - Whisper 模型
| 模型 | 精度 | 速度 | 首次下载 |
|---|---|---|---|
| tiny | 较低 | 最快 | ~75MB |
| base | 标准 | 快 | ~150MB |
| small | 良好 | 较快 | ~460MB |
| medium | 很好 | 较慢 | ~1.5GB |
| large | 最高 | 最慢 | ~3GB |
安装
openclaw skill install xia-zhuan-audio
或直接把 xia-zhuan-audio 文件夹放入 ~/.openclaw/workspace/skills/ 目录。
创建：2026-04-11 | 作者：@luis12123899