🎙️ 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。
export SILICONFLOW_API_KEY="your-api-key-here"
使用方法
命令行
# 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