Whisper Transcriber

这是基于whisper.cpp的离线语音转文字技能，核心功能包括单文件/批量音频转写，可输出带时间戳的TXT、SRT、JSON格式；支持自动安装依赖、下载识别模型，能通过环境变量配置模型、语言等参数。典型场景有单个音频转写、批量处理录音目录生成字幕。输入为音频文件或目录，通过bash脚本调用，macOS/Linux可直接使用，Windows推荐通过WSL2运行。

vvusu

热度 74.39

最近更新 2026-05-11 17:29:37

分类：效率依赖：代码执行 / 读写文件应用场景：文件转换

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add whisper-transcriber

Metadata

name: whisper-transcriber
description: Offline speech-to-text (ASR) using whisper.cpp (whisper-cli) + ffmpeg. Supports batch transcription, timestamps, SRT/TXT/JSON outputs, and model download. Cross-platform: macOS/Linux; Windows via WSL2 (recommended).
metadata: {"openclaw":{"emoji":"🎤","i18n":{"default":"zh","supported":["zh","en"]},"requires":{"bins":["ffmpeg","whisper-cli"]}}}

🎤 Whisper Transcriber（离线语音转文字）

基于 whisper.cpp / whisper-cli 的离线语音识别技能。

快速使用

安装依赖（跨平台自动检测）：

bash <SKILL_DIR>/scripts/install.sh

转写一个音频文件：

bash <SKILL_DIR>/scripts/transcribe.sh voice.ogg

bash <SKILL_DIR>/scripts/transcribe.sh ./recordings -b -s

跨平台说明（Windows 推荐 WSL2）

macOS / Linux：使用 scripts/install.sh
Windows：推荐 WSL2（Ubuntu），在 WSL 内按 Linux 方式运行本 skill（最稳）

WSL 内安装/使用：

bash <SKILL_DIR>/scripts/install.sh
bash <SKILL_DIR>/scripts/transcribe.sh voice.ogg

说明：原生 Windows 环境下 whisper-cli 的安装来源/包名不统一，公开发布时容易造成安装失败；因此本 skill 默认建议 WSL2。

可配置项（环境变量）

无需改脚本，直接用环境变量覆盖默认值：

WHISPER_DEFAULT_MODEL（默认 base）
WHISPER_DEFAULT_LANG（默认 zh）
WHISPER_MODEL_DIR（默认 <SKILL_DIR>/assets/models）
WHISPER_MODEL_DIR_USER（默认同 WHISPER_MODEL_DIR，自动下载的默认目录；如你想把模型放到别处再覆盖此变量）
WHISPER_TEMP_DIR（默认 ${TMPDIR:-/tmp}；每次运行会在其下 mktemp 创建独立临时目录并自动清理）

目录结构

scripts/transcribe.sh：主转写脚本（支持批量、SRT/TXT/JSON）
scripts/install.sh：跨平台安装依赖 + 可选下载模型
scripts/install.ps1：Windows（非 WSL）best-effort 安装/下载（不作为默认推荐路径）
assets/models/：模型默认下载/存放位置（仓库通过 .gitignore 忽略大模型文件，避免提交/发布）
config.json：默认配置（发布/维护用，脚本通过环境变量覆盖即可）

需要更细的用法/参数说明：直接运行 bash <SKILL_DIR>/scripts/transcribe.sh --help。