asr

name	asr
description	Unified ASR (Speech Recognition) skill with pluggable providers (strategy pattern). Supports: SiliconFlow (TeleAI/TeleSpeechASR). Use for transcribing audio/video files to text. Trigger: "转录", "识别语音", "语音转文字", "ASR", "transcribe", "语音识别". Auto-extracts audio from video files via ffmpeg.
allowed-tools	Bash(python3 */scripts/transcribe.py *)
aliases	["转录","语音识别","语音转文字","ASR"]
tags	["Audio","Utility"]

ASR — 语音识别技能

统一语音识别技能，基于策略模式，支持多个 ASR 后端切换。

脚本

脚本	用途
scripts/transcribe.py	统一转录入口（自动从视频提取音频）

用法

# 转录视频文件（自动提取音频）
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4

# 转录音频文件
python3 ${SKILL_DIR}/scripts/transcribe.py audio.wav

# 指定语言
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --language en

# JSON 输出
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --json

# 指定 provider
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --provider siliconflow

参数

参数	说明	默认值
input	音频/视频文件路径（必填）	-
--language, -l	语言代码（zh, en, ja, auto）	zh
--provider, -p	ASR 后端	从 .env 读取
--json, -j	JSON 格式输出	关

Provider 切换

方式 1：修改 .env（永久切换）

编辑 ${SKILL_DIR}/.env：

DEFAULT_ASR_PROVIDER=siliconflow

方式 2：命令行参数（单次覆盖）

python3 transcribe.py video.mp4 --provider siliconflow

方式 3：新增 Provider

1. 在 scripts/providers/ 下新建 xxx_provider.py
2. 继承 ASRProvider，实现 transcribe() 方法
3. 在 registry.py 的 PROVIDERS 字典中注册

API Key 配置

SiliconFlow

读取优先级：

1. 环境变量 SILICONFLOW_API_KEY
2. ${SKILL_DIR}/.env 中的 SILICONFLOW_API_KEY=...

支持的音频/视频格式

音频：wav, mp3, m4a, aac, flac, ogg 视频：mp4, mkv, mov, avi, webm（自动提取音频）

依赖

• Python 3（标准库，无需额外安装）
• ffmpeg（用于从视频提取音频）