Audio/Video Transcription & Summarization
Transcribe audio/video files using the SenseASR API (api.senseaudio.cn), then summarize the content into structured notes.
{baseDir} refers to this skill's directory.
Prerequisites
- - Environment variable
SENSEAUDIO_API_KEY configured (get your key at https://senseaudio.cn/platform/api-key) - Python 3.8+ with
requests installed - For large files (>10MB):
ffmpeg installed for splitting（macOS: brew install ffmpeg，Windows: ffmpeg.org 下载并加入 PATH，Linux: apt install ffmpeg）
Quick Start
- 1. Run the transcription script:
CODEBLOCK0
- 2. The script outputs a transcript
.txt file alongside the source file - Read the transcript and generate a summary (see Summary Format below)
Workflow
Step 1: Assess the Audio File
Check file size and format:
- - Supported formats: wav, mp3, ogg, flac, aac, m4a, mp4
- Max file size per request: 10MB
- If file > 10MB, the script auto-splits using ffmpeg
Step 2: Choose the Right Model
| Model | Use When |
|---|
| INLINECODE8 | Quick batch transcription, simple audio, cost-sensitive |
| INLINECODE9 |
General transcription, need speaker separation or timestamps |
|
sense-asr-pro | High accuracy needed: meetings, interviews, complex audio |
|
sense-asr-deepthink | Noisy audio, dialects, heavy jargon, speech-to-clean-text |
Default to sense-asr-pro for best quality.
Step 3: Transcribe
Run the transcription script. Key options:
CODEBLOCK1
Step 4: Summarize
After transcription, read the transcript file and produce a summary using the format below.
Summary Format
Generate summaries in this structure:
CODEBLOCK2
Adapt the template based on content type:
- - Meeting: emphasize action items, decisions, speaker contributions
- Lecture/Talk: emphasize key concepts, learning points, structure
- Interview: emphasize Q&A pairs, key responses
- Podcast: emphasize topics discussed, interesting insights
API Reference
For full SenseASR API parameters and response formats, see api-reference.md.
音频/视频转录与摘要
使用 SenseASR API（api.senseaudio.cn）转录音频/视频文件，然后将内容总结为结构化笔记。
{baseDir} 指代本技能的目录。
前置条件
- - 已配置环境变量 SENSEAUDIOAPIKEY（在 https://senseaudio.cn/platform/api-key 获取密钥）
- 已安装 Python 3.8+ 并安装 requests 库
- 对于大文件（>10MB）：需安装 ffmpeg 用于分割（macOS：brew install ffmpeg，Windows：从 ffmpeg.org 下载并加入 PATH，Linux：apt install ffmpeg）
快速开始
- 1. 运行转录脚本：
bash
python {baseDir}/scripts/transcribe.py <音频文件> [--model sense-asr-pro] [--language zh] [--speakers] [--sentiment] [--translate en]
- 2. 脚本会在源文件旁输出一个 .txt 格式的转录文件
- 阅读转录内容并生成摘要（参见下方摘要格式）
工作流程
步骤 1：评估音频文件
检查文件大小和格式：
- - 支持的格式：wav、mp3、ogg、flac、aac、m4a、mp4
- 单次请求最大文件大小：10MB
- 如果文件 > 10MB，脚本会自动使用 ffmpeg 进行分割
步骤 2：选择合适的模型
| 模型 | 适用场景 |
|---|
| sense-asr-lite | 快速批量转录、简单音频、对成本敏感 |
| sense-asr |
通用转录，需要说话人分离或时间戳 |
| sense-asr-pro | 需要高精度：会议、访谈、复杂音频 |
| sense-asr-deepthink | 嘈杂音频、方言、大量专业术语、语音转纯净文本 |
默认使用 sense-asr-pro 以获得最佳质量。
步骤 3：转录
运行转录脚本。关键选项：
bash
基础转录
python {baseDir}/scripts/transcribe.py recording.mp3
多人会议 + 情感分析
python {baseDir}/scripts/transcribe.py meeting.wav \
--model sense-asr-pro \
--speakers --max-speakers 4 \
--sentiment \
--timestamps segment
转录并翻译为英文
python {baseDir}/scripts/transcribe.py lecture.mp3 \
--model sense-asr \
--translate en
步骤 4：生成摘要
转录完成后，阅读转录文件并使用以下格式生成摘要。
摘要格式
按以下结构生成摘要：
markdown
[标题 - 从内容推断]
来源：filename.mp3
时长：X 分 Y 秒
日期：YYYY-MM-DD
说话人：[如果使用了说话人分离]
要点
详细摘要
[按主题/时间顺序组织的 2-4 段内容摘要]
待办事项
- - [ ] 待办事项 1（如适用，分配给说话人 X）
- [ ] 待办事项 2
精彩引述
转录中的直接引语 — 说话人 X，[如有时间戳]
完整转录
点击展开完整转录
[完整转录文本，如有说话人标签和时间戳]
根据内容类型调整模板：
- - 会议：强调待办事项、决策、说话人贡献
- 讲座/演讲：强调关键概念、学习要点、结构
- 访谈：强调问答对、关键回答
- 播客：强调讨论的话题、有趣见解
API 参考
有关完整的 SenseASR API 参数和响应格式，请参阅 api-reference.md。
