Communitygithub.com

pyai-transcription

将提供的音频录音转换为文本,使用 PyAI Hear 语音转文本(STT)功能,包括异步转录工作流程。

pyai-transcription 是什么?

该技能利用 PyAI Hear 的语音转文本能力,将音频录音转换为文本。它支持小型录音(解码后最大 8 MiB)的直接转录,以及大型录音的异步作业提交。技能通过提供 `transcribe_audio` 和 `create_transcription_job` 等工具,让开发者和 AI 代理能够灵活处理不同大小的音频文件。用户需注意遵循授权流程、避免将凭据放入聊天,并基于实际可用的工具模式进行操作。此外,技能还会返回说话人分离、时间戳等数据,并建议对大型作业进行轮询直至完成,但不适合直播音频流(应使用 Hear 的流式 API)。该技能适用于 PyAI 环境,强调安全性和资源高效利用。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/atomsai/pyai-plugin/tree/main/skills/pyai-transcription

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

转录

以连接的 PyAI 工具模式为事实依据;客户端可在工具 ID 前添加服务器名称作为前缀。如果 PyAI 断开连接,请引导用户访问主机的浏览器登录。请勿将凭据放入聊天中。尊重所选项目及用户授权的任务。

工具:whoami, transcribe_audio, create_transcription_job, get_transcription_job, list_transcription_jobs

对于短录音,使用 transcribe_audio 并传入 base64 编码的音频(解码后最大 8 MiB)。对于已位于授权 HTTPS URL 的大型录音,使用 create_transcription_job。查阅当前模式以了解说话人分离、语言等选项;切勿承诺模式中不存在的选项。

保留返回的 job_id。以合理间隔轮询 get_transcription_job,直到任务完成、出错或达到等待限制。挂起状态并非失败。如果等待时间结束,返回实际的 ID 和状态以恢复工作;请勿重新提交录音。

返回实际提供的转录文本及任何说话人/时间戳数据。对于麦克风流式传输,请使用 https://docs.pyai.com 上描述的 Hear 流式 API 或 SDK;MCP 转录作业并非实况音频流。

Individual skills in this repo

This repo contains 7 individual skills — each has its own dedicated page.

相关技能