虾转音频

🎵 音视频格式转换与处理工具箱。基于 FFmpeg + Whisper AI，支持：格式转换、视频提取音频、合并、分割、压缩、查看信息、音频转文字。

虾转音频 (xia-zhuan-audio)

功能列表

#	功能	说明
1	格式转换	m4a→mp3, wav→flac, ape→flac, aac→mp3 等，支持 20+ 格式
2	视频提取音频	mp4/mkv/avi/flv → mp3/aac/wav 等
3	合并音频	将多个音频拼接成一个文件
4	分割音频	按时间范围截取片段
5	压缩音频	减小文件体积（64k/128k/192k）
6	查看音频信息	时长 / 码率 / 采样率 / 声道 / 元数据
7	音频转文字	Whisper AI 自动转录，支持 txt / srt / vtt / json

支持的格式

音频格式： mp3, wav, flac, aac, m4a, ogg, wma, aiff, opus, ape, alac 视频格式： mp4, mkv, avi, mov, flv, wmv, webm

环境变量配置

变量	说明	默认值
XZA_FFMPEG	FFmpeg/FFprobe 路径	系统 PATH 中查找
XZA_FFPROBE	FFprobe 路径	从 XZA_FFMPEG 推断
XZA_SCRIPTDIR	脚本目录	自动检测
XZA_MODELDIR	Whisper 模型保存目录	技能目录下的 whisper_models
HF_ENDPOINT	HuggingFace 模型下载源	https://huggingface.co（官方）

依赖

• FFmpeg — 系统已有或从 https://ffmpeg.org 下载，并在 PATH 中可用
• Python — 系统已有（用于音频转文字）
• faster-whisper — 运行 pip install faster-whisper 安装

Whisper 模型安全说明

模型通过 HuggingFace 官方源下载（默认），如需使用国内镜像：

bash

set HF_ENDPOINT=https://hf-mirror.com

使用方式

通过 OpenClaw 对话触发（推荐）

直接用自然语言描述需求，例如：

• "把这段 m4a 转成 mp3"
• "把这个视频的音频提取出来"
• "把这几个音频合并成一个"
• "把这段音频 1:30 到 2:45 的部分截出来"
• "压缩这个音频，128kbps"
• "查看这个音频的信息"
• "把这段录音转成文字"

通过命令行直接调用

bash

# 格式转换
node audio-forge.js convert <输入> <输出格式> [--bitrate 192k]

# 视频提取音频
node audio-forge.js extract <视频> [输出格式] [--bitrate 192k]

# 合并音频
node audio-forge.js merge <文件1> <文件2> [...] <输出>

# 分割音频
node audio-forge.js split <输入> <开始时间> <结束时间>

# 压缩音频
node audio-forge.js compress <输入> [--quality low|medium|high]

# 查看音频信息
node audio-forge.js info <音频文件>

# 音频转文字（Whisper）
python transcribe.py <音频/视频文件> [--model small] [--language zh] [--format txt] [--device auto]

音频转文字 - Whisper 模型

模型	精度	速度	首次下载
tiny	较低	最快	~75MB
base	标准	快	~150MB
small	良好	较快	~460MB
medium	很好	较慢	~1.5GB
large	最高	最慢	~3GB

安装

bash

openclaw skill install xia-zhuan-audio

或直接把 xia-zhuan-audio 文件夹放入 ~/.openclaw/workspace/skills/ 目录。

---

创建：2026-04-11 | 作者：@luis12123899