mcpField
T
transcribe

transcribe

github.com/openai创意与媒体28.4k3.9k 次安装18 周前更新
代码仓库

关于 transcribe

transcribe 是通过 OpenAI 转录音频的技能，并可按需区分说话者。随附的命令行工具支持可重复运行，以及文本或 JSON 输出格式。

主要功能

  1. 01使用 OpenAI 转录音频
  2. 02选择文本或 JSON 输出
  3. 03通过说话者区分标注发言
  4. 04匹配已知说话者参考音频
  5. 05将多文件输出到指定目录

适用场景

  1. 01从录音生成文本转录
  2. 02区分访谈中的说话者
  3. 03转录多个音频文件
  4. 04保存带说话者标注的会议输出

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/openai/skills --skill transcribe

安装后在 Claude Code 中输入/transcribe确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

LICENSE.txt
agents/
openai.yaml
assets/
transcribe-small.svg
references/
api.md
scripts/
transcribe_diarize.py

详细介绍

音频转录

使用 OpenAI 转录音频，并可按需进行说话人分离。建议优先使用随附的 CLI，以确保运行结果确定且可重复。

工作流

  1. 收集输入：音频文件路径、所需的响应格式（text/json/diarized_json）、可选的语言提示，以及任何已知的说话人参考。
  2. 确认已设置 OPENAI_API_KEY。如果未设置，请让用户在本地设置（不要让他们粘贴密钥）。
  3. 使用合理的默认设置（快速文本转录）运行随附的 transcribe_diarize.py CLI。
  4. 验证输出：转录质量、说话人标签和片段边界；如有需要，通过一次有针对性的更改进行迭代。
  5. 在此仓库中工作时，将输出保存在 output/transcribe/ 下。

决策规则

  • 默认使用 gpt-4o-mini-transcribe 和 --response-format text 进行快速转录。
  • 如果用户需要说话人标签或说话人分离，请使用 --model gpt-4o-transcribe-diarize --response-format diarized_json。
  • 如果音频时长超过约 30 秒，请保留 --chunking-strategy auto。
  • gpt-4o-transcribe-diarize 不支持提示词。

输出约定

  • 评估运行使用 output/transcribe/<job-id>/。
  • 处理多个文件时使用 --out-dir，以避免覆盖文件。

依赖项（缺少时安装）

建议使用 uv 管理依赖项。

uv pip install openai

如果无法使用 uv：

python3 -m pip install openai

环境

  • 进行实时 API 调用必须设置 OPENAI_API_KEY。
  • 如果缺少密钥，请指导用户在 OpenAI 平台 UI 中创建密钥，并在 shell 中导出。
  • 切勿让用户在聊天中粘贴完整密钥。

技能路径（设置一次）

export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"
export TRANSCRIBE_CLI="$CODEX_HOME/skills/transcribe/scripts/transcribe_diarize.py"

用户级技能安装在 $CODEX_HOME/skills 下（默认为 ~/.codex/skills）。

CLI 快速入门

单个文件（默认快速文本转录）：

python3 "$TRANSCRIBE_CLI" \
  path/to/audio.wav \
  --out transcript.txt

使用已知说话人进行说话人分离（最多 4 位）：

python3 "$TRANSCRIBE_CLI" \
  meeting.m4a \
  --model gpt-4o-transcribe-diarize \
  --known-speaker "Alice=refs/alice.wav" \
  --known-speaker "Bob=refs/bob.wav" \
  --response-format diarized_json \
  --out-dir output/transcribe/meeting

纯文本输出（显式指定）：

python3 "$TRANSCRIBE_CLI" \
  interview.mp3 \
  --response-format text \
  --out interview.txt

参考索引

  • references/api.md：支持的格式、限制、响应格式以及已知说话人说明。

评论

支持 Markdown