Communitygithub.com

sickn33/agentic-awesome-skills

将音频录制转换为专业的Markdown文档,并利用LLM集成生成智能摘要。

agentic-awesome-skills 是什么?

该技能可以将音频或视频文件转录为结构化的Markdown文档,并集成LLM以生成智能摘要。它支持多种常见音频格式,包括MP3、WAV、M4A、OGG、FLAC和WEBM。主要功能包括:自动生成会议纪要、说话人识别(说话人分离)、生成SRT/VTT字幕文件以及长篇音频内容的执行摘要。该技能使用Faster-Whisper进行高性能转录,并使用ffmpeg进行格式转换,批处理能力使其能够高效处理多个文件。它还包括大文件警告和确认提示,以防止意外长时间处理。该技能是平台无关的,可在任何支持GitHub Copilot CLI的终端环境中使用,遵循零配置理念。输出是完整的Markdown报告,包括时间戳、说话人标签、摘要和可操作的项目。这是一个面向开发者的工具,用于将会议、采访、讲座和其他音频内容转换为可搜索、可共享的文本文档。

兼容平台~Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/sickn33/agentic-awesome-skills/tree/HEAD/skills/audio-transcriber

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

详细指南

在执行此技能之前,请阅读详细指南。详细指南包含了完整的流程和参考资料。请将其中的安全要求、前置条件和验证要求视为强制性的。对于针对性工作,可加载相关章节;对于端到端工作,请完整阅读指南。

何时使用

在以下情况下调用此技能:

  • 用户需要将音频/视频文件转录为文本
  • 用户希望从录音中自动生成会议纪要
  • 用户需要在对话中识别说话人(说话人分离)
  • 用户需要字幕/隐藏式字幕(SRT、VTT格式)
  • 用户希望获得长音频内容的执行摘要
  • 用户提出“转录此音频”、“将音频转换为文本”、“从录音生成会议记录”等类似要求
  • 用户拥有常见格式的音频文件(MP3、WAV、M4A、OGG、FLAC、WEBM)

示例用法

示例1:基本转录

用户输入:

copilot> 将音频转录为markdown: meeting-2026-02-02.mp3

技能输出:

✅ Faster-Whisper已检测到(优化)
✅ ffmpeg可用(格式转换已启用)

📂 文件: meeting-2026-02-02.mp3
📊 大小: 12.3 MB
⏱️  时长: 00:45:32

🎙️  处理中...
[████████████████████] 100%

✅ 检测到语言: 葡萄牙语 (pt-BR)
👥 识别到说话人: 4
📝 正在生成Markdown输出...

✅ 转录完成!

📊 结果:
  文件: meeting-2026-02-02.md
  语言: pt-BR
  时长: 00:45:32
  说话人: 4
  字数: 6,842
  处理时间: 127秒

📝 生成:
  - meeting-2026-02-02.md (Markdown报告)

🎯 后续步骤:
  1. 审阅会议纪要和待办事项
  2. 向参与者分享报告
  3. 跟踪待办事项直至完成

示例3:批量处理

用户输入:

copilot> 转录这些音频: recordings/*.mp3

技能输出:

📦 批量模式: 找到5个文件
  1. team-standup.mp3
  2. client-call.mp3
  3. brainstorm-session.mp3
  4. product-demo.mp3
  5. retrospective.mp3

🎙️  批量处理中...

[1/5] team-standup.mp3 ✅ (2分34秒)
[2/5] client-call.mp3 ✅ (15分12秒)
[3/5] brainstorm-session.mp3 ✅ (8分47秒)
[4/5] product-demo.mp3 ✅ (22分03秒)
[5/5] retrospective.mp3 ✅ (11分28秒)

✅ 批量完成!
📝 生成了5份Markdown报告
⏱️  总处理时间: 6分15秒

示例5:大文件警告

用户输入:

copilot> 将音频转录为markdown: conference-keynote.mp3

技能输出:

✅ Faster-Whisper已检测到(优化)

📂 文件: conference-keynote.mp3
📊 大小: 87.2 MB
⏱️  时长: 02:15:47
⚠️  大文件 (87.2 MB) - 处理可能需要几分钟

是否继续?[Y/n]:

用户: Y

🎙️  处理中... (可能需要10-15分钟)
[████░░░░░░░░░░░░░░░░] 20% - 预计剩余时间: 12分钟

此技能是平台无关的,可在任何支持GitHub Copilot CLI的终端环境中使用。它不依赖于特定的项目配置或外部API,遵循零配置理念。

限制

  • 仅当任务明确符合上述范围时才使用此技能。
  • 请勿将输出视为特定环境下的验证、测试或专家审阅的替代品。
  • 如果缺少所需的输入、权限、安全边界或成功标准,请停止并请求澄清。

Individual skills in this repo

This repo contains 6 individual skills — each has its own dedicated page.

相关技能