mcpField
9
9router-stt

9router-stt

github.com/decolua创意与媒体31.6k128 次安装今天更新
代码仓库

关于 9router-stt

9router-stt 是通过 9Router 转录接口处理音频的技能，支持查询模型、设置转录参数，并可从多个提供商获取不同格式的结果。

主要功能

  1. 01查询可用的转录模型
  2. 02通过 API 转录音频
  3. 03设置语言和提示文本
  4. 04输出 JSON、文本或字幕

适用场景

  1. 01转录音频录音
  2. 02生成 SRT 或 VTT 字幕

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/decolua/9router --skill 9router-stt

安装后在 Claude Code 中输入/9router-stt确认已加载。

详细介绍

9Router — 语音转文字

需要设置 NINEROUTER_URL（若启用了鉴权，还需设置 NINEROUTER_KEY）。安装配置请参阅 https://raw.githubusercontent.com/decolua/9router/refs/heads/master/skills/9router/SKILL.md。

发现模型

curl $NINEROUTER_URL/v1/models/stt | jq '.data[].id'
# Per-model params (language, response_format, prompt, temperature support)
curl "$NINEROUTER_URL/v1/models/info?id=openai/whisper-1"

model 为 STT 模型 ID（例如 openai/whisper-1、groq/whisper-large-v3、deepgram/nova-3、gemini/gemini-2.5-flash）。

端点

POST $NINEROUTER_URL/v1/audio/transcriptions（兼容 OpenAI Whisper，multipart/form-data）

字段必填说明
model是来自 /v1/models/stt
file是音频文件（mp3、wav、m4a、webm、ogg、flac）
language否ISO-639-1 格式（例如 en、vi）
prompt否用于引导转录的提示文本
response_format否json（默认）/ text / verbose_json / srt / vtt
temperature否0–1

示例

curl -X POST "$NINEROUTER_URL/v1/audio/transcriptions" \
  -H "Authorization: Bearer $NINEROUTER_KEY" \
  -F "model=openai/whisper-1" \
  -F "[email protected]" \
  -F "language=vi"

JS（Node）：

import { createReadStream } from "node:fs";
const form = new FormData();
form.append("model", "groq/whisper-large-v3-turbo");
form.append("file", new Blob([await (await import("node:fs/promises")).readFile("audio.mp3")]), "audio.mp3");
const r = await fetch(`${process.env.NINEROUTER_URL}/v1/audio/transcriptions`, {
  method: "POST",
  headers: { "Authorization": `Bearer ${process.env.NINEROUTER_KEY}` },
  body: form,
});
const { text } = await r.json();
console.log(text);

响应结构

默认（response_format=json）：

{ "text": "Xin chào, đây là bản ghi âm." }

verbose_json 会额外返回 language、duration，以及带时间戳的 segments[]。 srt / vtt 返回字幕文本。

服务商差异

服务商model 格式说明
openaiwhisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe原生 OpenAI 格式
groqwhisper-large-v3、whisper-large-v3-turbo、distil-whisper-large-v3-en速度最快；OpenAI 格式
geminigemini-2.5-flash、gemini-2.5-pro、gemini-2.5-flash-lite服务端将音频内联后转换为 generateContent 调用
deepgramnova-3、nova-2、whisper-largeToken 鉴权；服务端适配响应
assemblyaiuniversal-3-pro、universal-2异步上传并轮询，由服务端处理
nvidianvidia/parakeet-ctc-1.1b-asrNIM 端点
huggingfaceopenai/whisper-large-v3、openai/whisper-smallHF Inference API
elevenlabsscribe_v1、scribe_v2兼容 Whisper 格式；使用 xi-api-key 鉴权，而非 Bearer。额外参数：timestamps_granularity（word/character/none）、tag_audio_events，以及通过 diarize=true 或 num_speakers（1–32）进行说话人标注——两者同时发送会导致请求无效，因此 diarize 优先，num_speakers 会被丢弃。留空的 language 会被上游省略，以进行自动检测。srt/vtt 和 verbose_json 的 segments 由 Scribe 自带的 additional_formats 渲染结果提供，若上游渲染不可用则省略 segments[]，而不会自行合成。不接受 temperature 和 prompt——这两个参数不会被转发。

评论

支持 Markdown