Voice Transcription

语音转文本技能 - 基于 SiliconFlow API (SenseVoiceSmall/TeleSpeechASR)，支持四川话等多种方言识别

🎙️ Voice Transcription - 语音转文本

基于 SiliconFlow API 的语音转文本技能，支持普通话、粤语、英语、日语、韩语等多种语言，对四川话等方言也有良好的识别能力。

模型说明

模型	特点	适用场景
FunAudioLLM/SenseVoiceSmall	轻量级，支持多语言+情感识别	日常对话、会议录音
TeleAI/TeleSpeechASR	电信自研，方言识别更强	四川话等方言语音

配置

设置环境变量 SILICONFLOW_API_KEY 或在调用时传入 api_key 参数。

export SILICONFLOW_API_KEY="your-api-key-here"

使用方法

命令行

# 转录音频文件（自动选择模型）
python3 scripts/transcribe.py audio.mp3

# 指定模型
python3 scripts/transcribe.py audio.mp3 --model TeleAI/TeleSpeechASR

# 指定 API Key
python3 scripts/transcribe.py audio.mp3 --api-key sk-xxx

# 输出到文件
python3 scripts/transcribe.py audio.mp3 --output result.txt

在对话中使用

当用户提供音频文件或提到"语音转文字"、"听一下这个录音"等时，使用此技能。

注意事项

• 音频文件限制：时长不超过 1 小时，文件大小不超过 50MB
• 支持格式：mp3, wav, m4a, flac, ogg, webm 等常见音频格式
• API 免费额度：SiliconFlow 提供一定的免费调用额度