Audio Transcribe

调用本地 openai-whisper 将音频文件转写为纯文本、SRT 字幕或带时间戳的 JSON，默认 base 模型、语言自动检测，可指定输出格式和语言。通过 python3 运行随附脚本，依赖 ffmpeg 支持多种音视频格式，首次运行需下载模型。

ai-tesing

热度 16.02

最近更新 2026-05-22 18:36:38

分类：效率依赖：代码执行 / 读写文件应用场景：文件转换 / 会议纪要 / 工作流

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 wav-audio-transcribe

Metadata

name: audio-transcribe
description: 语音转文字 Skill。使用本地 Whisper (openai-whisper) 将音频文件转录为文本、字幕(SRT)或 JSON。适用于会议记录、播客转录、语音备忘录等场景。触发方式：转写音频、转录语音、音频转文字、语音转文本、whisper、生成字幕。

Audio Transcribe Skill

语音转文字，使用本地 Whisper 模型，完全离线、隐私安全。

前置条件

安装 Whisper（只需一次）：

# macOS
brew install whisper

# 或者 Python 包（更推荐，自动装模型）
pip3 install openai-whisper

使用方法

基本转录（中文音频）

当用户说"转录这个音频"时，运行：

python3 ~/.openclaw/workspace/skills/audio-transcribe/scripts/transcribe.py "/path/to/audio.wav"

指定格式

# 输出 SRT 字幕
python3 ~/.openclaw/workspace/skills/audio-transcribe/scripts/transcribe.py "/path/to/audio.wav" srt

# 输出 JSON（含时间戳）
python3 ~/.openclaw/workspace/skills/audio-transcribe/scripts/transcribe.py "/path/to/audio.wav" json

# 指定语言
python3 ~/.openclaw/workspace/skills/audio-transcribe/scripts/transcribe.py "/path/to/audio.wav" txt zh

# 英文音频
python3 ~/.openclaw/workspace/skills/audio-transcribe/scripts/transcribe.py "/path/to/audio.wav" txt en

支持的格式

格式	说明	适用场景
`txt`	纯文本（默认）	快速阅读、存档
`srt`	字幕文件	视频压制、外语学习
`json`	结构化结果	二次处理、时间戳提取

支持的音频格式

.wav, .mp3, .m4a, .flac, .ogg, .opus, .mp4, .mov 等ffmpeg支持的格式

脚本参数

python3 transcribe.py <audio_file> [output_format] [language]

参数：
  audio_file      音频文件路径（必填）
  output_format   输出格式：txt, srt, json（默认: txt）
  language        语言代码：zh, en, ja, ko 等（默认: 自动检测）

注意事项

首次运行会下载模型（~500MB），耐心等待
音频质量越高转录越准
Whisper 模型可选：tiny, base, small, medium, large，默认 base
如果想换模型，修改脚本中 whisper.load_model('base') 为其他选项
长音频会自动分段处理