Voice Transcription
设计多媒体需配置 API Key语音转文本技能 - 基于 SiliconFlow API（SenseVoiceSmall/TeleSpeechASR），支持四川话等多种方言识别
399
下载量
15
安装量
0
收藏量
★ 5.0
综合评分ⓘ
🎙️ Voice Transcription - 语音转文本#
基于 SiliconFlow API 的语音转文本技能，支持普通话、粤语、英语、日语、韩语等多种语言，对四川话等方言也有良好的识别能力。
模型说明#
模型特点适用场景FunAudioLLM/SenseVoiceSmall轻量级，支持多语言+情感识别日常对话、会议录音TeleAI/TeleSpeechASR电信自研，方言识别更强四川话等方言语音
配置#
设置环境变量 SILICONFLOW_API_KEY 或在调用时传入 api_key 参数。
bash
export SILICONFLOW_API_KEY="your-api-key-here"
使用方法#
命令行#
bash
# 转录音频文件（自动选择模型）
python3 scripts/transcribe.py audio.mp3
# 指定模型
python3 scripts/transcribe.py audio.mp3 --model TeleAI/TeleSpeechASR
# 指定 API Key
python3 scripts/transcribe.py audio.mp3 --api-key sk-xxx
# 输出到文件
python3 scripts/transcribe.py audio.mp3 --output result.txt
在对话中使用#
当用户提供音频文件或提到"语音转文字"、"听一下这个录音"等时，使用此技能。
注意事项#
- 音频文件限制：时长不超过 1 小时，文件大小不超过 50MB
- 支持格式：mp3, wav, m4a, flac, ogg, webm 等常见音频格式
- API 免费额度：SiliconFlow 提供一定的免费调用额度
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
