📦 Voice Transcription

🎙️ Voice Transcription - 语音转文本

基于 SiliconFlow API 的语音转文本技能，支持普通话、粤语、英语、日语、韩语等多种语言，对四川话等方言也有良好的识别能力。

模型说明 模型 特点 适用场景 FunAudioLLM/SenseVoiceSmall 轻量级，支持多语言+情感识别 日常对话、会议录音 TeleAI/TeleSpeechASR 电信自研，方言识别更强 四川话等方言语音 配置

设置环境变量 SILICONFLOW_API_KEY 或在调用时传入 API_key 参数。

导出 SILICONFLOW_API_KEY="your-API-key-here"

使用方法 命令行 # 转录音频文件（自动选择模型） python3 scripts/transcribe.py audio.mp3

# 指定模型 python3 scripts/transcribe.py audio.mp3 --模型 TeleAI/TeleSpeechASR

# 指定 API Key python3 scripts/transcribe.py audio.mp3 --API-key sk-xxx

# 输出到文件 python3 scripts/transcribe.py audio.mp3 --输出 结果.txt

在对话中使用

当用户提供音频文件或提到"语音转文字"、"听一下这个录音"等时，使用此技能。

注意事项 音频文件限制：时长不超过 1 小时，文件大小不超过 50MB 支持格式：mp3, wav, m4a, flac, ogg, 网页m 等常见音频格式 API 免费额度：SiliconFlow 提供一定的免费调用额度