下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-vc3t81nj--asr-transcribe.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @org-vc3t81nj/asr-transcribe。录音/语音文件转写（ASR）skill，本地优先（whisperX）+ 云端兜底（OpenAI/DashScope），输出带时间戳和说话人标注的 srt/vtt/txt，衔接会议纪要、访谈洞察等下游 skill
阅读全文 （展开查看完整说明）
概述
asr-transcribe — 录音转写（ASR）
一句话定位
把录音变成"可直接用于纪要/访谈整理"的高质量文字稿。本地优先（数据不出域）+ 云端兜底，默认输出带时间戳的 .srt/.vtt，按需带说话人标注。
保密红线（国企/央企录音，先过这一关）
- 默认走本地引擎（whisperX 离线），音频不上传任何第三方。 这是客户构成
（≈70% 国企/央企）的硬约束。
- 只有在本地不可用、且用户显式同意后，才走云端 API。走云前必须一次性问清：
「本地引擎不可用，是否允许把这段录音上传到云端 ASR？国企/涉密录音请回避。」用户不同意 → 停在"环境未就绪"，给安装引导，不擅自上云。
- 文件名/落盘路径用代号，不在对话里回显甲方真实名称、涉密内容原文片段（除非用户要求看全文）。
Python 执行环境
本 skill 的脚本使用 WorkBuddy managed venv 执行（首次使用前需装依赖，见 references/install.md）：
- Python 解释器（下文简称
$PY）：
C:UsersLenovo.workbuddybinariespythonenvsdefaultScriptspython.exe
- 安装依赖：
$PY -m pip install <包名> - 脚本路径相对于本 skill 根目录：
~/.workbuddy/skills/asr-transcribe/
触发后立即做的事
- 定位音频文件：用户在对话中提供的文件路径（用户上传或给出绝对路径）。确认扩展名
（m4a/mp3/wav/aac/flac/ogg/mp4/mov 均支持，whisperX 内部用 ffmpeg 解码）。
- 跑环境自检：
$PY scripts/check_env.py- 探测 ffmpeg、whisperx、faster-whisper、（如需说话人分离）pyannote / HF_TOKEN、
（如需云兜底）OPENAI_API_KEY / DASHSCOPE_API_KEY。
- 自检结果决定走哪条分支，不要假设环境已装好。
- 按自检结果选分支（见下）。
决策分支
| 情况 | 动作 |
|---|---|
| 本地 whisperX + ffmpeg 就绪 | 走本地。需说话人分离则加 --diarize（要 HF_TOKEN） |
| 本地缺 whisperx/ffmpeg | 读 references/install.md，给一键安装命令，引导用户装；装好再转 |
| 本地装不了 / 用户赶时间 + 同意上云 | 走云兜底（--engine cloud，国企优先 --cloud-provider dashscope），降级：云端不做说话人分离 |
| 需说话人分离但缺 HF_TOKEN | 提示去 huggingface 接受模型协议拿 token；或先出无说话人版本 |
标准命令
本地（默认，带说话人分离、出 srt+vtt+txt）：
$PY scripts/transcribe.py "<音频路径>"
--engine auto --lang zh --diarize
--min-speakers 2 --max-speakers 6
--formats srt,txt --output-dir ./outputs不需要说话人分离（更快更稳）：
$PY scripts/transcribe.py "<音频路径>" --engine local --lang zh --formats srt,txt云兜底（已获用户同意上云）：
# 默认 OpenAI；国企/国内业务优先用阿里云境内节点（国产合规）：
$PY scripts/transcribe.py "<音频路径>" --engine cloud --cloud-provider dashscope --lang zh --formats srt,txt云端两家二选一：--cloud-provider openai（需 OPENAI_API_KEY）或 dashscope（需 DASHSCOPE_API_KEY，阿里云 Paraformer，境内节点、本地文件直传）。两者均不做说话人分离。
关键参数：--model（默认 large-v3，弱机用 medium/small）、--compute-type （CPU 用 int8）、--speakers N（已知确切人数时直接指定）、--hf-token、--hint-words（行业术语/人名热词，提升专名准确率）。
转写质量纪律（交付前必看）
- ASR 输出是机器转写，必有错。 文字稿顶部自动加一行水印：
[本文为 ASR 机器转写，专名/数字/口径以原音频为准，未经人工校对]，下游纪要/引用必须二次核对，不得直接当【实证】源。
- 中文录音务必
--lang zh，避免 whisper 自动语种判错导致整段乱码或翻译成英文。 - 长录音（>1.5h）默认分块处理，脚本已内置；如显存/内存不足，降
--model与--batch-size。 - 专名、领导职务、甲方代号用
--hint-words喂进去；转写后仍要人工扫一遍领导姓名/职务
（遵循内容政策与人名校对纪律）。
下游衔接（转完之后）
- 要出正式会议纪要 → 让位 meeting-minutes（销售会/经营分析会/项目管理会）
等下游纪要 skill（如已安装）。
- 一对一深度访谈 → 让位 interview-insight 做结构化洞察（如已安装）。
- 本 skill 产出的 .txt/.srt 即这些 skill 的标准输入，转完主动询问是否接力。
- 若未安装下游 skill，直接将文字稿交付用户，提示可用于纪要整理。
产出与回执
转写完成后：列出生成的文件（.srt/.vtt/.txt 及可选 .md 分段稿），用 present_files 工具展示给用户，一句话报识别时长 + 用的引擎 + 是否带说话人 + 是否本地（数据是否出域）。
