Fun-ASR-File
设计多媒体需配置 API Key阿里云百炼 FunASR 本地音频文件识别（非流式），使用阿里云 DashScope API 进行语音转文字。针对本地音频文件优化，支持自动格式转换，适合批量文件转写场景。
394
下载量
15
安装量
0
收藏量
★ 5.0
综合评分ⓘ
Fun-ASR-File#
Fun-ASR 是通义实验室百聆团队推出的端到端语音识别大模型，是基于数千万小时真实语音数据训练而成，具备强大的上下文理解能力与行业适应性。
激活条件#
触发场景说明用户发送音频文件.wav / .mp3 / .m4a / .flac / .ogg 等格式用户要求转录"转写音频"、"语音转文字"音频文件处理需要提取音频中的文字内容
配置#
设置环境变量：
bash
export DASHSCOPE_API_KEY="sk-xxx"
使用方法#
安装依赖#
bash
pip install dashscope
# 如需自动格式转换，请安装 FFmpeg
转写音频文件#
bash
python scripts/cli.py audio.wav
# 支持 .wav / .mp3 / .m4a / .flac / .ogg 等格式
# 会自动转换为 API 要求的格式（16kHz, 单声道, pcm_s16le）
版本：1.1.0 创建于：2026-03-16 更新：2026-04-09 - 改为非流式调用，优化本地文件处理
相关推荐
Nano Banana Pro
Ssteipetev1.0.1
使用 Nano Banana Pro (Gemini 3 Pro Image) 生成或编辑图像。支持文生图、图生图及 1K/2K/4K 分辨率，适用于图像创建、修改及编辑请求，使用 --input-image 指定输入图像。
设计多媒体需 API Key
Openai Whisper
Ssteipetev1.0.0
使用 Whisper CLI 进行本地语音转文字（无需 API 密钥）
设计多媒体
Video Frames
Ssteipetev1.0.0
使用 ffmpeg 从视频中提取帧或短片。
设计多媒体
UI/UX Pro Max
Xxobi667v0.1.0
提供 UI/UX 设计智能与实现指导，帮助打造精美界面。适用于 UI 设计、UX 流程、信息架构、视觉风格、设计系统/标记、组件规格、文案/微文案、无障碍及前端 UI（HTML/CSS/JS、React、Next.js、Vue、Svelte、Tailwind）生成/评审/改进。工作流包括：①新 UI 布局与样式生成；②现有 UI/UX 改进；③设计系统标记和组件规范产出；④ UX 建议转化为代码变更。
设计多媒体
