audio-transcription

音频转录

适用场景

• 输入为音频，主要任务是语音转文本、生成适用于字幕的时间码、粗略语音搜索、多语言转录，或创建持久化的转录文本文件。
• 视频输入请使用 video-transcription，语义层面的视频理解请使用 media-analysis。

如果已有带时间码的转录文本，且只需要字幕输出，请跳过转录并查阅本地字幕转换参考。

不适用场景

• 任务需要新的创意生成或视觉分析，而非语音或字幕。
• 缺少必要输入，且猜测会改变结果。

执行边界

• 托管式转录通过公开的 postplus media transcribe 动词运行，且为异步操作。提交后会记录运行句柄、当前状态，以及可用时的已完成产物。
• 通过 --audio 直接传入本地路径、HTTPS URL、现有 PostPlus 媒体引用或数据 URI。CLI 会在单次托管提交前校验并准备本地媒体。
• 提供了质量更高的默认模型和速度更快、成本更低的变体；字幕质量至关重要时优先使用默认模型，明确只需粗略处理时则使用成本更低的变体。下方生成的示例展示了默认端点键。

来源与路径

• 提供媒体时长，以便 PostPlus 在运行前校验请求；缺少时长会导致提交前失败。
• 如果输出将用于字幕或编辑决策，请请求时间戳。
• 批量处理之前，先从一个源文件或音频 URL 开始。
• 将内部请求、响应、清单、规范化转录文本和下载的产物保存在 .postplus/audio-transcription 下；面向用户的最终转录文本导出文件应保存在 .postplus 之外。

后续处理

• 如果状态为待处理，请保留结果路径，并按照 CLI 返回的操作或恢复命令继续同一操作。不要再提交另一个任务。达到 CLI 等待或恢复边界时停止并报告。
• 需要 SRT/ASS 时，请使用实际的带时间码转录文本，并阅读本地字幕转换。在本地转换，不要再次发起托管请求；不要臆造 CLI 导出命令。

停止条件

• 如果缺少必要的用户意图、来源证据或由你负责的输入产物，且猜测会改变结果，则停止。

公开命令边界

• 根据用户输入选择最精简的匹配命令或工作流，并直接运行。

• 就绪情况诊断：postplus doctor --skill audio-transcription。

• 仅当需要完整的端点、标志和枚举约定，或需要修复未知的请求格式时，才使用 postplus media schema --json。

• 使用下方生成的命令运行托管式转录任务；不要使用其他执行接口。

• 通过 --audio 直接传入来源；不要预先上传，也不要构造手动请求对象。

postplus media transcribe transcription \
  --audio ./reference.wav \
  --duration-seconds 1 \
  --wait \
  --output ./result.json

遵循 CLI 的结构化结果和报告的后续操作；不要根据自由文本消息推断恢复方式。 如有要求，请等待用户明确批准；某项操作不代表授权消费、发布或覆盖。 通过返回的检查点或操作继续同一操作；绝不要重新提交不确定的工作、重复已耗尽的恢复操作，或切换提供方以绕过故障。

• 请求的任务会在检查当前价格和余额后使用现有 PostPlus 积分。 仅估算的请求不会执行。积分不足时请停止；不要充值、购买订阅，也不要重复执行不确定的付费操作。