| name | volcengine-asr |
| description | 火山引擎（豆包）语音识别服务。支持音频/视频文件转文字，输出带时间戳的字幕格式（SRT/VTT/TXT）。中文识别效果优秀，支持标点和数字规范化。 |
| allowed-tools | Bash(python:*), Bash(ffmpeg*), Read, Write, Glob |
| model | sonnet |
火山引擎 ASR 语音识别工具
通过火山引擎（豆包大模型）将音频/视频文件转换为文字，支持输出 SRT/VTT 字幕或纯文本。
前置条件
需要在火山引擎控制台创建应用并获取凭证：
- 访问 火山引擎语音控制台
- 创建应用，开通「语音识别大模型」服务
- 获取
APP ID 和 Access Token
- Resource ID 使用：
volc.bigasr.sauc.duration
快速开始
基础用法
cd /Users/liuyishou/.claude/skills/volcengine-asr/scripts
python volcengine_asr.py --input audio.mp3 --output result.txt
python volcengine_asr.py --input video.mp4 --output subtitles.srt --format srt
python volcengine_asr.py --input audio.wav --output subtitles.vtt --format vtt
视频转录
python volcengine_asr.py --input video.mp4 --output transcript.txt
python volcengine_asr.py --input video.mp4 --output video.srt --format srt
参数说明
| 参数 | 说明 | 默认值 |
|---|
--input, -i | 输入音频/视频文件（必填） | - |
--output, -o | 输出文件路径 | 自动生成 |
--format, -f | 输出格式：txt/srt/vtt/json | txt |
--language, -l | 识别语言 | zh-CN |
--no-punc | 不添加标点符号 | False |
--no-itn | 不做数字规范化 | False |
支持的音频格式
- 直接支持: WAV, PCM (16kHz, 16bit, mono)
- 自动转换: MP3, M4A, AAC, FLAC, OGG, MP4, MKV, MOV 等
视频文件会自动提取音频轨道进行转录。
输出格式示例
TXT（纯文本）
大家好，欢迎来到今天的分享。
我们今天要讨论的主题是人工智能。
SRT（字幕）
1
00:00:00,000 --> 00:00:02,500
大家好，欢迎来到今天的分享。
2
00:00:02,500 --> 00:00:05,000
我们今天要讨论的主题是人工智能。
VTT（WebVTT 字幕）
WEBVTT
00:00:00.000 --> 00:00:02.500
大家好，欢迎来到今天的分享。
00:00:02.500 --> 00:00:05.000
我们今天要讨论的主题是人工智能。
工作流建议
Step 1: 检查输入文件
确认音频/视频文件存在且格式正确。
Step 2: 选择输出格式
- 纯文字稿：
--format txt
- 视频字幕：
--format srt 或 --format vtt
- 后续处理：
--format json
Step 3: 执行转录
cd /Users/liuyishou/.claude/skills/volcengine-asr/scripts
python volcengine_asr.py --input /path/to/file --output /path/to/output --format srt
配合其他 Skill 使用
配合 video-chapter-nav
python volcengine_asr.py --input video.mp4 --output video.srt --format srt
配合 esl-comic-video
python volcengine_asr.py --input narration.mp3 --output script.txt
环境配置
在 .env 文件中配置凭证：
VOLC_ASR_APPID=your_app_id
VOLC_ASR_TOKEN=your_access_token
VOLC_ASR_RESOURCE_ID=volc.bigasr.sauc.duration
或者使用命令行参数：
python volcengine_asr.py --input audio.mp3 --app-id xxx --token xxx
依赖安装
pip install websockets aiofiles
还需要 ffmpeg 用于音频格式转换：
brew install ffmpeg
注意事项
- 音频格式：非 PCM 格式会自动用 ffmpeg 转换
- 文件大小：大文件会分片处理，无时长限制
- 网络要求：需要能访问
openspeech.bytedance.com
- 计费：按音频时长计费，详见火山引擎定价
- 代理问题：如果使用 Surge 等代理，需要绕过：
ALL_PROXY="" HTTP_PROXY="" HTTPS_PROXY="" NO_PROXY="*" python volcengine_asr.py ...
错误处理
| 错误 | 原因 | 解决方案 |
|---|
| Missing credentials | 未配置凭证 | 检查 .env 或命令行参数 |
| Connection failed | 网络问题 | 检查网络连接 |
| Invalid audio format | 音频格式不支持 | 确保安装了 ffmpeg |
