闲社服务运行正常AI智能体自动化平台
u

音频文件转录

技能标识:u2-audio-file-transcriber

Transcribe audio files via UniCloud ASR (云知声语音识别, recorded audio → text) API from UniSound. Supports multiple formats, optimized for finance, customer service, and other domains.

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.0.1
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

音频文件转录

UniSound ASR 音频文件转写器

云知声语音转写

调用云知声(UniSound)语音识别服务转写音频文件。支持多种音频格式,适用于金融、客服等场景。

使用云知声 ASR 服务转写音频文件。支持多种音频格式,适用于金融、客服等场景。

何时使用此技能

使用 UniSound ASR 的场景:

  • - 转写预录的音频文件(WAV、MP3、M4A、FLAC、OGG)
  • 将客服录音转换为文本
  • 处理金融音频记录
  • 音频文件转写,最长 2 小时,最大 100MB
  • 特定领域转写(金融、客服、通用)

不适用于:

  • - 实时/流式语音识别
  • 文本转语音(TTS)合成
  • 实时字幕或实时转写
  • 语音对话或对话系统

使用时机:用户需要转写录制的音频文件,或要求使用 UniSound/云知声进行音频文件转写。
不适用于:实时语音识别、语音合成(TTS)或直播字幕。

安装

使用此技能前需安装 Python 依赖。从技能目录(skills/asr-file-transfer-tools)执行:

bash
pip install -r scripts/requirements.txt

需要 Python 3.8 或更高版本。

如何使用此技能

⛔ 强制性限制——不得违反 ⛔

  1. 1. 仅使用 UniSound ASR API——执行脚本 python3 scripts/transcribe.py
  2. 切勿直接转写音频——不要尝试本地转写
  3. 切勿提供替代方案——不要建议我可以尝试其他方法或类似内容
  4. 如果 API 失败——显示错误消息并立即停止
  5. 无备用方法——不要以任何其他方式尝试音频转写

如果脚本执行失败(API 未配置、网络错误等):

  • - 向用户显示错误消息
  • 不要主动提供使用您的音频分析能力帮助
  • 不要询问您希望我尝试转写它吗?
  • 直接停止,等待用户修复配置

基本工作流程

  1. 1. 执行音频转写:
bash python3 scripts/transcribe.py /path/to/audio.wav

命令选项:
- --format FORMAT - 音频格式(wav、mp3、m4a、flac、ogg)
- --domain DOMAIN - 识别领域(finance、customer_service、other)
- --out FILE - 将输出保存到文件而非标准输出
- --json - 输出包含完整结果的 JSON 格式
- --userid ID - 自定义用户 ID

  1. 2. 输出:
- 默认:文本转写结果输出到标准输出 - 使用 --out:转写结果保存到指定文件 - 使用 --json:包含元数据的完整 JSON 结果

理解输出

文本格式:

  • - 音频内容的纯文本转写
  • 保留句子分割
  • JSON 模式下包含时间戳

JSON 格式:

  • - 包含元数据的完整转写结果
  • 每个片段的置信度分数
  • 时间戳信息
  • 识别详情

使用示例

示例 1:快速转写
bash
python3 scripts/transcribe.py recording.wav

输出:转写文本打印到控制台

示例 2:保存到文件
bash
python3 scripts/transcribe.py interview.mp3 --format mp3 --out transcript.txt

输出:转写结果保存到 transcript.txt

示例 3:带元数据的 JSON 输出
bash
python3 scripts/transcribe.py audio.m4a --json --out result.json

输出:包含时间戳和置信度分数的完整 JSON 结果

示例 4:特定领域转写
bash
python3 scripts/transcribe.py financial_call.wav --domain finance

输出:针对金融术语优化的转写结果

工作原理

该脚本使用云知声 ASR API,工作流程如下:

  1. 1. 初始化上传——从 API 获取任务 ID / 初始化上传,获取任务ID
  2. 上传音频文件——将音频文件上传到服务器 / 上传音频文件到服务器
  3. 开始转写——提交转写任务 / 提交转写任务
  4. 轮询结果——等待转写完成(通常 10-60 秒)/ 轮询等待转写完成(通常10-60秒)
  5. 返回转写结果——输出识别文本 / 输出识别文本

隐私说明:音频文件直接上传到云知声服务器。不会将数据发送到第三方服务。
隐私说明:音频文件直接上传到云知声服务器。不会将数据发送到第三方服务。

支持的格式

支持的文件类型:

  • - WAV
  • MP3
  • M4A
  • FLAC
  • OGG

限制:

  • - 最大时长:2 小时
  • 最大文件大小:100MB

如果自动检测失败,使用 --format 标志指定格式:

bash
python3 scripts/transcribe.py audio.mp3 --format mp3

首次配置

当 API 未配置时:

错误将显示:

CONFIGERROR: UNISOUNDAPPKEY or UNISOUND_SECRET not configured.

获取凭据

要使用此技能,您需要从云知声获取 API 凭据:

您需要从云知声获取 API 凭据:

  1. 1. 联系云知声以获取您的 API 凭据
联系云知声获取您的 API 凭据
  1. 2. 您将收到:
您将收到: - AppKey:应用密钥 / 应用密钥 - Secret:认证密钥 / 认证密钥 - UserId:您的用户标识 / 用户标识 - Base URL:API 端点地址 / API 端点地址

测试凭据(UAT 环境)

仅用于测试和评估(用于测试和评估):

yaml
AppKey: 681e01d78d8a40e8928bc8268020639b
Secret: d7b2980cb61843d69fdab5e99deafcdf
UserId: unisound-python-demo
Base URL: http://af-asr.uat.hivoice.cn

⚠️ 重要安全提示 / 重要安全提示

  • - 仅测试环境——这些凭据仅用于 UAT 测试

- 仅测试环境——这些凭据仅用于 UAT 测试
  • - 勿用于敏感数据——切勿用于生产或敏感音频文件

- 勿用于敏感数据——切勿用于生产或敏感音频文件
  • - 获取自己的凭据——生产环境请联系云知声

- 获取自己的凭据——生产环境请联系云知声
  • - 数据隐私——音频文件将上传至云知声服务器

- 数据隐私——音频文件将上传至云知声服务器

配置步骤

引导用户安全配置:

  • - 建议通过环境变量或 .env 文件进行配置
  • 建议尽可能使用宿主应用的配置方法
  • 警告不要在聊天中分享凭据(可能存储在对话历史中)

所需环境变量:

变量必需描述默认值
UNISOUNDAPPKEY是应用密钥 / 应用密钥-
UNISOUNDSECRET
是 | 认证密钥 / 认证密钥 | - |
| UNISOUND_USERID | 否 | 用户标识 / 用户标识 | unisound-python-demo |
| UNISOUNDBASEURL | 否 | API 基础地址 / API 基础地址 | http://af-asr.uat.hivoice.cn |
| UNISOUND_DOMAIN | 否 | 识别领域 / 识别领域 | other |
| UNISOUND_AUDIOTYPE | 否 | 默认音频格式 / 默认音频格式 | wav |

配置示例:

Linux/macOS:
bash
export UNISOUND_APPKEY=681e01d78d8a40e8928bc8268020639b
export UNISOUND_SECRET=d7b2980cb61843d69fdab5e99deafcdf
export UNISOUND_USERID=unisound-python-demo

Windows(PowerShell):
powershell
$env:UNISOUND_APPKEY=681e01d78d8a40e8928bc8268020639b
$env:UNISOUND_SECRET=d7

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 u2-audio-file-transcriber-1776122423 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 u2-audio-file-transcriber-1776122423 技能

通过命令行安装

skillhub install u2-audio-file-transcriber-1776122423

下载

⬇ 下载 u2-audio-file-transcriber v1.0.1(免费)

文件大小: 10.24 KB | 发布时间: 2026-4-15 14:45

v1.0.1 最新 2026-4-15 14:45
# v1.0.1 Changelog

- Removed all documentation and reference files: README.md and all content in references/.
- SKILL.md is now the primary and only documentation, with essential usage and configuration info.
- No user-facing changes to runtime usage or API behavior; update is documentation-only.
- Reduced redundant or sample guidance—relevant instructions are now consolidated.
返回顶部