Communitygithub.com

pyai-語音轉錄

將提供的音訊錄音轉換為文字,使用 PyAI Hear 語音轉文字(STT),包括非同步轉錄工作流程。

pyai-語音轉錄 是什麼?

此技能旨在通過 PyAI Hear 語音轉文字服務,將音訊錄音轉換為文字。其獨特之處在於支援兩種工作流程:對於較短的錄音(解碼後最多 8 MiB),可直接使用 `transcribe_audio` 工具傳送 base64 編碼的音訊;對於已託管在授權 HTTPS URL 上的較大錄音,可使用 `create_transcription_job` 建立非同步轉錄任務。技能會保留返回的 `job_id`,並以合理的間隔輪詢 `get_transcription_job` 直到任務完成、發生錯誤或用戶設定的等待上限。輪詢期間,狀態為「待處理」不等於失敗;若等待結束,技能會傳回實際的 ID 與狀態,以便後續恢復工作,而不會重新提交錄音。輸出結果會包含實際提供的文字稿及任何說話人或時間戳資料。對於麥克風即時串流,技能建議使用 PyAI Hear 的串流 API 或 SDK,而非 MCP 轉錄任務。支援的平台包括直接使用 MCP 工具的環境,以及需要瀏覽器登入的 PyAI 服務。此技能能有效簡化語音轉文字的開發整合過程。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

轉錄

以已連結的 PyAI 工具模式為事實來源;客戶端可以在工具 ID 前加上伺服器名稱作為前綴。如果 PyAI 斷開連線,請引導使用者前往主機的瀏覽器登入頁面。請勿在對話中透露憑證。請尊重選定的專案與使用者授權的任務。

工具:whoami、transcribe_audio、create_transcription_job、get_transcription_job、list_transcription_jobs

對於一段簡短的錄音,請使用 transcribe_audio 並提供 base64 編碼的音訊(解碼後最多 8 MiB)。對於已存在於授權 HTTPS URL 上的較大錄音,請使用 create_transcription_job。檢視目前的模式以瞭解話者分離、語言及其他選項;切勿承諾模式中未包含的選項。

請保留傳回的 job_id。以合理的間隔輪詢 get_transcription_job,直到任務完成、發生錯誤或達到任務的等待上限。「待處理」不等於失敗。如果等待結束,請傳回實際的 ID 與狀態,以便後續可以恢復工作;請不要重新提交錄音。

傳回實際提供的文字稿及任何說話人或時間戳資料。對於麥克風即時串流,請使用 https://docs.pyai.com 中描述的 Hear 串流 API 或 SDK;MCP 轉錄任務並非即時音訊串流。

Individual skills in this repo

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

相關技能