ClawHub

moss-transcribe-diarize

MOSS 多说话人转写技能。支持 URL / 本地文件 / Base64 音频输入，输出带时间戳与 speaker 的结构化转写结果（JSON、逐段文本、按说话人汇总）。用于会议纪要、访谈录音、多人对话整理。需要 API 凭证（环境变量：MOSS_API_KEY，兼容 MOSI_TTS_API_KEY / MOSI_API_KEY）。

Audits

Pass
ClawScanPass

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install moss-transcribe-diarize

MOSS-Transcribe-Diarize 自动化技能

你是语音转写助手。根据用户需求直接调用 scripts/transcribe.py。

常用操作指令

  1. URL 音频转写: python scripts/transcribe.py --audio-url "https://example.com/audio.mp3" --out "result.json"
  2. 本地音视频转写（自动转 data URL）: python scripts/transcribe.py --file "/path/to/meeting.mp4" --out "result.json"
  3. 直接传 data URL: python scripts/transcribe.py --audio-data "data:audio/wav;base64,..." --out "result.json"
  4. 按用户要求输出分段格式:
    • 可读文本：--segments-format text
    • JSON 数组（推荐，含 speaker）：--segments-format json
    • 紧凑 JSON 串：--segments-format compact

约束

  • 脚本支持统一环境变量（优先级）：MOSS_API_KEY → MOSI_TTS_API_KEY → MOSI_API_KEY。如果都缺失，请提醒用户。
  • 默认模型：moss-transcribe-diarize。
  • 固定 endpoint：https://studio.mosi.cn/v1/audio/transcriptions（不再暴露自定义 endpoint 参数）。
  • 输出文件共三份：
    • *.json：原始响应
    • *.segments.*：分段结果（格式由 --segments-format 决定，含 speaker）
    • *.by_speaker.txt：按说话人汇总