voicelens 오디오 전사 / 음성 입력
트리거 조건
- 사용자가 오디오 파일 경로나 URL을 주며 "전사 / 받아쓰기 / 음성을 텍스트로 / 오디오 내용 추출"을 요청한 경우.
- 사용자가 voicelens의 ASR 엔진(OpenAI 호환 엔드포인트 / Groq / whisper.cpp)을 설정하는 방법을 묻는 경우.
- (DSH 전용) 사용자가 입력창에서 마이크 버튼을 눌러 말하는 경우 — 이 경로는 클라이언트 플러그인이 자동 처리하므로 본 스킬이 개입할 필요가 없음.
핵심 규칙
오디오가 있지만 현재 모델이 "들을 수 없을" 경우, ffmpeg / OCR / 전사 스크립트를 직접 작성하지 말고 먼저 전사한 후 반환된 text를 증거로 인용하십시오.
실행 (호스트에 따라)
- DeepSeek Harness(
transcribe_audio도구 있음) → 해당 도구를 직접 호출하고path또는url을 전달. - 기타 호스트(Claude Code / Codex / Pi / OpenClaw / OpenCode …) → CLI 실행:
출력 JSON:voicelens transcribe <file-or-url> [--lang zh] [--provider groq]{ "text", "language", "provider" },text를 증거로 인용. - 진단 (모든 호스트):
voicelens doctor
설정 (에이전트가 사용자 대신 수행)
설정 우선순위: 환경 변수 VOICELENS_* > ~/.voicelens/config.json > 기본값.
방법 A: Groq (무료 할당량, 권장)
VOICELENS_PROVIDER=groq
VOICELENS_GROQ_API_KEY=<gsk_...>
방법 B: OpenAI 호환 엔드포인트 (모든 whisper 게이트웨이)
VOICELENS_PROVIDER=openai
VOICELENS_OPENAI_API_KEY=<key>
VOICELENS_OPENAI_BASE_URL=https://api.openai.com/v1
VOICELENS_OPENAI_MODEL=whisper-1
방법 C: 로컬 whisper.cpp (인증키 불필요)
VOICELENS_PROVIDER=whisper-local
VOICELENS_WHISPER_CPP=/path/to/whisper.cpp/build/bin/main
VOICELENS_WHISPER_MODEL=/path/to/ggml-base.bin
또는 ~/.voicelens/config.json에 기록:
{ "provider": "groq", "groqApiKey": "gsk_..." }
출력 규약
{ text, language?, provider } — 모델 측 전사 결과는 항상 이 형식을 따릅니다(도구와 CLI 동일).
알려진 제약
- DSH에는 현재 오디오 메시지 파이프라인이 없습니다(
attachments는 이미지 전용,ModelModality는 text|image 전용). 따라서 음성 입력은 DSH 클라이언트의 마이크 버튼을 통해 이루어지며, 모델 측 파일 전사는 본 스킬/도구를 통해 처리됩니다. - DSH 마이크 버튼은 Chrome/Edge의
SpeechRecognition에 의존합니다(설정 불필요). 그 외 브라우저에서는 전환 안내가 표시됩니다.