mcpField
O
openai-whisper-api

openai-whisper-api

github.com/openclaw创意与媒体393.3k5.5k 次安装今天更新
代码仓库

关于 openai-whisper-api

openai-whisper-api 是通过 OpenAI 音频转录 API 将音频转换为文本的技能，适用于需要命令行转录的人。它支持选择模型、语言、输出格式和说话人标记，也可配置兼容 API 的代理地址。

主要功能

  1. 01调用音频转录 API
  2. 02选择转录模型与语言
  3. 03输出文本或 JSON
  4. 04支持说话人标记模式
  5. 05配置兼容 API 的代理地址

适用场景

  1. 01将录音文件转成文本
  2. 02指定语言转录音频
  3. 03生成带说话人标记的转录结果

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/openclaw/openclaw --skill openai-whisper-api

安装后在 Claude Code 中输入/openai-whisper-api确认已加载。

附带文件scripts/transcribe.sh

详细介绍

OpenAI 转录 API

通过 /v1/audio/transcriptions 转录音频。为 OpenAI 兼容代理或本地网关设置 OPENAI_BASE_URL。

快速开始

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a

默认值：

  • 模型：gpt-4o-transcribe
  • 输出：<input>.txt

常用选项

{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe --out /tmp/transcript.txt
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-mini-transcribe
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe-diarize --json
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model whisper-1
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --language en
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --prompt "Speaker names: Peter, Daniel"
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --json --out /tmp/transcript.json

注意：

  • 支持的上传格式包括 mp3、mp4、mpeg、mpga、m4a、wav、webm。
  • 托管 API 的上传大小限制为 25 MB。
  • 使用 diarize 获取说话者标签；脚本会发送 chunking_strategy=auto 并拒绝 --prompt。

API 密钥

设置 OPENAI_API_KEY，或在当前 OpenClaw 配置文件中配置（$OPENCLAW_CONFIG_PATH，默认为 ~/.openclaw/openclaw.json）。也可以选择设置 OPENAI_BASE_URL：

{
  skills: {
    "openai-whisper-api": {
      apiKey: "OPENAI_KEY_HERE",
    },
  },
}

评论

支持 Markdown