虾转音频

虾转音频 (xia-zhuan-audio) 功能列表 # 功能 说明 1 格式转换 m4a→mp3, wav→flac, ape→flac, aac→mp3 等，支持 20+ 格式 2 视频提取音频 mp4/mkv/avi/flv → mp3/aac/wav 等 3 合并音频 将多个音频拼接成一个文件 4 分割音频 按时间范围截取片段 5 压缩音频 减小文件体积（64k/128k/192k） 6 查看音频信息 时长 / 码率 / 采样率 / 声道 / 元数据 7 音频转文字 Whisper AI 自动转录，支持 txt / srt / vtt / json 支持的格式

音频格式： mp3, wav, flac, aac, m4a, ogg, wma, AIff, opus, ape, alac 视频格式： mp4, mkv, avi, mov, flv, wmv, 网页m

环境变量配置 变量 说明 默认值 XZA_FFMPEG FFmpeg/FFprobe 路径 系统 PATH 中查找 XZA_FFPROBE FFprobe 路径 从 XZA_FFMPEG 推断 XZA_SCRIPTDIR 脚本目录 自动检测 XZA_模型DIR Whisper 模型保存目录 技能目录下的 whisper_模型s HF_端点 HuggingFace 模型下载源 https://huggingface.co（官方） 依赖 FFmpeg — 系统已有或从 https://ffmpeg.org 下载，并在 PATH 中可用 Python — 系统已有（用于音频转文字） faster-whisper — 运行 pip 安装 faster-whisper 安装 Whisper 模型安全说明

模型通过 HuggingFace 官方源下载（默认），如需使用国内镜像：

设置 HF_端点=https://hf-mirror.com

使用方式 通过 OpenClaw 对话触发（推荐）

直接用自然语言描述需求，例如：

"把这段 m4a 转成 mp3" "把这个视频的音频提取出来" "把这几个音频合并成一个" "把这段音频 1:30 到 2:45 的部分截出来" "压缩这个音频，128kbps" "查看这个音频的信息" "把这段录音转成文字" 通过命令行直接调用 # 格式转换 node audio-forge.js convert <输入> <输出格式> [--bitrate 192k]

# 视频提取音频 node audio-forge.js 提取 <视频> [输出格式] [--bitrate 192k]

# 合并音频 node audio-forge.js merge <文件1> <文件2> [...] <输出>

# 分割音频 node audio-forge.js split <输入> <开始时间> <结束时间>

# 压缩音频 node audio-forge.js 压缩 <输入> [--质量 low|medium|high]

# 查看音频信息 node audio-forge.js 信息 <音频文件>

# 音频转文字（Whisper） python transcribe.py <音频/视频文件> [--模型 small] [--language zh] [--格式化 txt] [--device auto]

音频转文字 - Whisper 模型 模型 精度 速度 首次下载 tiny 较低 最快 ~75MB base 标准 快 ~150MB small 良好 较快 ~460MB medium 很好 较慢 ~1.5GB large 最高 最慢 ~3GB 安装 OpenClaw 技能 安装 xia-zhuan-audio

或直接把 xia-zhuan-audio 文件夹放入 ~/.OpenClaw/workspace/技能s/ 目录。

创建：2026-04-11 | 作者：@luis12123899