| name | asr-sentence-recognition |
| description | 腾讯云语音识别 ASR Skill,适用于语音转文字、音频转写、字幕生成、会议转录、语音消息识别、 本地文件或 URL 音频识别。包含三种模式:一句话识别(<=60s 短音频)、录音识别极速版 (<=2h/100MB 中长音频快速同步返回)、录音识别(<=5h 长音频异步识别)。支持普通话、 英语、粤语、日语、韩语、德语等语种,以及中英粤混说和多种中文方言。
|
腾讯云语音识别 Skill
腾讯云语音识别(ASR),微信同款ASR引擎,历经亿级用户场景验证,稳定可靠。在中英混说场景下识别效果行业领先,精准流畅。支持普通话、方言及多语种识别,提供一句话识别、录音识别等全场景能力,是高性价比语音转文字首选。
核心执行流
- 用户给音频要转文字:
- 先跑
inspect_audio.py
- 再按时长、大小、URL/本地路径选择
sentence_recognize.py、flash_recognize.py 或 file_recognize.py
- 用户刚提供了新的腾讯云凭证:
- 优先直接跑
self_check.py
- 自检结果通过后再进入真实识别
- 用户问安装、开通、手工配置、FFmpeg、CLI backend:
- 不要把细节塞回主流程,按文末 reference map 读取对应文档
下一步
- 想接入宿主系统体验自动转写:
- 普通场景:配置 CLI transcription backend
- QQ Bot 1.5.4:可直接走适配方案,不必依赖默认 CLI transcription 才能识别语音
- 想直接体验识别能力:
- 让用户直接丢一个音频文件或公网链接
- 然后继续帮用户做转文字、摘要总结、问题排查、重点提取
必须遵守的规则
- ⚠️禁止用模型自身能力替代 ASR⚠️:脚本失败时,必须返回错误,不得猜测转写内容。
- 先探测后识别:统一先执行
python3 <SKILL_DIR>/scripts/inspect_audio.py "<AUDIO_INPUT>"。
- 缺
ffmpeg / ffprobe 先自治安装:先执行 python3 <SKILL_DIR>/scripts/ensure_ffmpeg.py --execute,只有失败后才向用户求助。
- 收到新凭证先自检:默认跑
python3 <SKILL_DIR>/scripts/self_check.py,不要先让用户手工试脚本。
- 默认少打断:除非用户必须补充凭证、明确要求手工配置,或语种/引擎确实不确定,否则不要无意义来回确认。
- 密钥安全优先:
- 群聊:禁止让用户直接发
SecretId、SecretKey、AppId
- 私聊:也要先提醒“密钥会经过 LLM,存在泄漏风险”
- 单次任务优先当前命令注入:不要为了跑一次识别去写
~/.bashrc、~/.zshrc
- 不要把密钥写进工作区
- 极速版失败时保留“可能”表述:如果自检里一句话识别和录音文件识别通过、只有极速版失败,应提示“常见于国际站账号,或国内站账号在海外访问时受限”,但不要写成绝对结论。
引擎选择 Cheatsheet
对话语言只能当作先验,不等于音频语种本身。若用户音频语种明显不同,按音频语种改。
| 场景 | 一句话识别 | 极速版 | 录音文件识别 | 备注 |
|---|
| 普通话 | 16k_zh | 16k_zh / 16k_zh_large | 16k_zh / 16k_zh_large | 默认首选 |
| 中英夹杂 | 16k_zh-PY | 16k_zh_en | 16k_zh_en | 混说优先 |
| 粤语 | 16k_yue | 16k_yue | 16k_yue | |
| 英语 | 16k_en | 16k_en | 16k_en / 16k_en_large | |
| 日语 | 16k_ja | 16k_ja | 16k_ja | |
| 韩语 | 16k_ko | 16k_ko | 16k_ko | |
| 多语种 / 语言不确定 | 指定具体语种 | 16k_multi_lang | 16k_multi_lang | 一句话识别没有多语自动识别引擎 |
如果有多个明显可选项:
- 给出推荐项
- 用一句话说清优缺点
- 再征询用户是否切换
路由速记
本地文件
- 先规范化为
16kHz、单声道、pcm_s16le、.wav
<=60s 且 <=3MB:sentence_recognize.py
<=2h 且 <=100MB:优先 flash_recognize.py
- 更大文件:优先切片后逐片走 Flash;若已有 COS / 公网 URL 且最终
<=5h,可走 file_recognize.py rec
公网 URL
- 默认直接走
file_recognize.py rec
- 不要先本地下载、探测、转码再路由
- 只有
file_recognize.py rec 真实失败时,再按错误决定是否进入本地下载 / 规范化 / 切片链
- 如果用户明确要求同步立即返回,才把一句话识别当作显式特例,而不是默认路径
命中 URL、大文件、切片、body vs URL 取舍时,再读 routing_strategy.md。
最小脚本示例
python3 <SKILL_DIR>/scripts/inspect_audio.py "<AUDIO_INPUT>"
python3 <SKILL_DIR>/scripts/self_check.py
python3 <SKILL_DIR>/scripts/sentence_recognize.py "<AUDIO_INPUT>" --engine 16k_zh
python3 <SKILL_DIR>/scripts/flash_recognize.py "<AUDIO_INPUT>" --engine 16k_zh
python3 <SKILL_DIR>/scripts/file_recognize.py rec "<AUDIO_INPUT_OR_URL>" --engine 16k_zh
python3 <SKILL_DIR>/scripts/cli_transcribe.py "<MEDIA_PATH_OR_URL>"
何时继续读 references
核心脚本清单
scripts/inspect_audio.py:音频探测
scripts/ensure_ffmpeg.py:自治安装 ffmpeg / ffprobe
scripts/self_check.py:凭证与三种模式自检
scripts/sentence_recognize.py:一句话识别
scripts/flash_recognize.py:录音文件识别极速版
scripts/file_recognize.py:录音文件识别异步任务
scripts/cli_transcribe.py:CLI backend wrapper