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_FFMPEGFFmpeg/FFprobe 路径系统 PATH 中查找XZA_FFPROBEFFprobe 路径从 XZA_FFMPEG 推断XZA_SCRIPTDIR脚本目录自动检测XZA_MODELDIRWhisper 模型保存目录技能目录下的 whisper_modelsHF_ENDPOINTHuggingFace 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：

bash

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#

bash

# 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75MBbase标准快150MBsmall良好较快460MBmedium很好较慢1.5GBlarge最高最慢~3GB

安装#

bash

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