Communitygithub.com

音檔轉錄

將本機語音備忘錄、會議、訪談、講座或 podcast 錄音轉換為逐字稿、筆記、摘要或待辦事項,全程在用戶電腦上私密進行,使用 Yap MCP 工具(transcribe_audio、search_dictations)。適用於用戶提及音檔、影片檔、錄音、語音備忘錄或之前口述的內容。

音檔轉錄 是什麼?

此技能旨在讓AI助手能夠安全、私密地處理用戶電腦上的本機錄音檔案。它利用 Yap MCP 伺服器與本機的 NVIDIA Parakeet 語音辨識模型進行互動,可辨識 25 種歐洲語言並自動偵測語言。所有音檔完全在用戶自己的電腦上處理,無需上傳至雲端,確保資料隱私。核心功能包括:透過 `transcribe_audio` 工具將音檔轉錄為文字,並支援時間戳(利於長錄音);以及透過 `search_dictations` 工具搜尋先前口述歷史,幫助尋找特定內容。該技能適用於 Claude Code、Cursor 或任何支援 MCP 協定的 AI 助手平台,特別適合處理會議記錄、訪談逐字稿、課程筆記或 Podcast 摘要等場景。它引導助手在無法立即取得音檔時請求明確路徑、處理模型首次下載延遲、提示按時間段分段摘要長錄音,並要求忠實引用原文,對不確定的詞彙標記疑問而非猜測。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/founden-bot/yap-mcp/tree/main/skills/transcribe-recordings

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

使用 Yap 轉錄錄音檔

Yap MCP 在用戶自己的電腦上轉錄音訊(NVIDIA Parakeet,支援 25 種歐洲語言,自動偵測)。不進行任何上傳。以下步驟假設已連接 yap MCP 伺服器(npx -y github:founden-bot/yap-mcp)。

當用戶指向某個錄音檔時

  1. 取得檔案的絕對路徑。如果用戶僅描述檔案(例如「我桌面上那個備忘錄」),請索取路徑或檔案名稱;開頭的 ~ 是可接受的。
  2. 使用 path 參數呼叫 transcribe_audio。對於長度超過幾分鐘、或用戶希望之後能再次找到特定時刻的錄音,請加上 timestamps: true。
  3. 如果回應顯示語音模型仍在下載(僅限首次使用,約 670 MB),請告知用戶這是一次性下載,並在一分鐘後再次呼叫工具。請勿切換至雲端服務。
  4. 根據用戶的要求處理轉錄文字:產生一份乾淨的逐字稿、摘要、包含決策與待辦事項(負責人、任務、截止日期)的會議記錄、附時間戳的引用語句,或翻譯。
  5. 忠實引用逐字稿。對於不確定的字詞,請標示為不確定,而非猜測姓名或數字。

當用戶提及他們之前說過或口述過的內容時

使用幾個有辨識度的詞彙(query)和時間窗口(days)呼叫 search_dictations。它會以唯讀方式讀取此電腦上 Yap 口述應用程式的歷史記錄。如果沒有符合的結果,請先擴大 days 或嘗試其他詞彙,再回報找不到。

良好預設值

  • 多個檔案:一個一個轉錄,並將每個結果保留在該檔案名稱下。
  • 長錄音:先按時間戳段落分別摘要,再進行整體摘要。
  • 保留用戶語言:除非用戶另有要求,否則以錄音的語言回答。

相關技能