AI 技能AI 插件人工智能【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills点击查看免费下载audio-transcriber 是 agentic-awesome-skills 仓库中一款面向音频→专业 Markdown 文档场景的 Agent 技能其 CHANGELOG.md 完整记录了从 v1.0.0 纯本地转写器到 v1.1.0LLM 集成 智能提示词工作流的演进全过程。本文以该变更日志为核心脉络结合技能源码transcribe.py、install-requirements.sh与配套文档README.md、SKILL.md、detailed-guide.md深入解读每个版本特性背后的实现原理、命令行参数与配置方式帮助读者完整掌握该技能的能力边界、底层调用链与实际使用方法。版本脉络一览v1.0.0 奠基v1.1.0 质变该技能采用 Keep a Changelog 格式维护变更记录并遵循 Semantic Versioning 语义化版本规范。两个版本的关键差异如下维度v1.0.02026-02-02v1.1.02026-02-03转写引擎Faster-Whisper / OpenAI Whisper不变自动探测Faster-Whisper 优先LLM 处理❌ 无仅原始转写✅ Claude CLI / GitHub Copilot CLI用户提示词❌ 完全被忽略✅ 自动改进prompt-engineer并让用户确认输出文件❌ 单一文件、重复运行被覆盖✅transcript-YYYYMMDD-HHMMSS.mdata-YYYYMMDD-HHMMSS.md临时文件❌ 残留metadata.json/transcription.json✅ 自动清理--keep-temp可保留进度反馈❌ 静默处理✅ tqdm 进度条 rich 转圈动画终端界面基础文本✅ rich 面板、彩色状态绿成功/黄警告/红错误v1.1.0 的核心定位是把转写从孤立的文本提取升级为音频 → 结构化文档的完整流水线——转录仍 100% 本地完成隐私优先而纪要/摘要的生成则交给可选的本地 CLI 大模型完成。v1.0.0 基础能力零配置的本地转写基石初始版本奠定了整个技能的功能地基这些能力在 v1.1.0 中全部保留双引擎支持优先使用 Faster-Whisper官方宣称相对原版 Whisper 快 4–5 倍、内存占用低 50–60%未安装时回退到 OpenAI Whisper。源码中通过try: from faster_whisper import WhisperModel→except: import whisper的顺序实现自动降级见 transcribe.py。自动语言检测支持 99 种语言转写时通过languageNone交给模型自动识别并在结果中记录language_probability语言置信度。基础说话人分离Speaker Diarization按时间片切分并标注不同说话人README 输出示例中可见Speaker 1~Speaker N的标注。注意当前实现属于基于时间段的简单估算README FAQ 明确说明更高级的分离能力留待后续版本。VAD语音活动检测Faster-Whisper 路径下通过vad_filterTrue开启过滤静音片段、提升长音频处理效率与准确度。Markdown 结构化输出含元数据表文件名、大小、时长、语言、处理时间、说话人数量、引擎与模型、带时间戳的完整转写。多格式支持MP3、WAV、M4A、OGG、FLAC、WEBM依赖 FFmpeg 做格式转换。零配置哲学自动探测已安装引擎无需硬编码路径或 API Key跨项目通用。详细的引擎选型对比Faster-Whisper vs 原版 Whisper vs Google/Azure/AssemblyAI 云服务可参考 tools-comparison.md其中还给出了各 Whisper 模型的体积/内存/速度对照表tiny39 MB约 10x 实时、base74 MB约 7x 实时、small244 MB、medium769 MB、large1550 MB约 1x 实时。v1.1.0 核心特性一LLM 集成与 CLI 探测Step 0bv1.1.0 最大的变化是引入LLM 处理链路将原始转写升级为智能纪要ata/resumo。其优先级设计为Claude CLI GitHub Copilot CLI None仅转写模式对应源码中的detect_cli_tool()函数transcribe.pydef detect_cli_tool(): if shutil.which(claude): return claude elif shutil.which(gh): result subprocess.run([gh, copilot, --version], ...) if result.returncode 0: return gh-copilot return None探测逻辑先检查 PATH 中是否存在claude可执行文件否则检查gh并通过gh copilot --version验证 Copilot 扩展是否可用两者皆无则进入 transcript-only 模式——此时主流程会保存纯转写文件并给出安装建议transcribe.py。LLM 处理本身通过子进程调用完成process_with_llm()见 transcribe.pyClaude 路径claude -将「完整提示词 分隔线 转写全文」通过标准输入送入Copilot 路径gh copilot suggest -t shell默认 5 分钟超时timeout300超时或非零退出码均返回None主流程降级为仅保存 transcript保证流水线不会因 LLM 故障而中断。这种优雅降级设计是 v1.1.0 的可靠性格局LLM 只是增强层底层转写能力始终独立可用。v1.1.0 核心特性二智能提示词工作流Step 3b变更日志中最浓墨重彩的一笔是Intelligent Prompt Workflow它完整集成了 prompt-engineer 技能解决 v1.0.0用户提示词被完全忽略这一致命缺陷。对应源码handle_prompt_workflow()transcribe.py实现两个场景场景 A用户已提供提示词展示用户原始提示词rich 面板预览超 300 字符截断若检测到~/.copilot/skills/prompt-engineer/SKILL.md存在则自动调用 prompt-engineer 改进invoke_prompt_engineer(melhore este prompt:\n\n{user_prompt})并排展示改进版与原始版两个面板询问单个确认问题Usar versão melhorada? [s/n]默认s据此决定采用改进版还是原版。场景 B未提供提示词自动生成询问是否自动生成Gerar prompt automaticamente? [s/n]选n则跳过 LLM 处理、仅输出 transcript分析转写内容截取前 4000 字符并建议文档类型ata 纪要 / resumo 摘要 / notas 结构化笔记及推荐框架RISEN / RODES / STAR 等展示建议并请求确认基于建议生成完整的结构化提示词展示预览600 字符截断并请求最终确认用户拒绝任一环节则回退到内置的DEFAULT_MEETING_PROMPT——该模板采用 RISEN 风格Role / Instructions / Steps / End Goal / Narrowing内置在源码第 70–90 行。invoke_prompt_engineer()transcribe.py通过gh copilot suggest -t shell子进程调用默认 90 秒超时任何失败超时/非零退出/异常都安全回退到默认模板绝不阻断主流程。v1.1.0 核心特性三进度可视化、防覆盖命名与自动清理这三个小改动直接解决了 v1.0.0 用户体感最差的三个问题1. 进度指示Progress Indicators转写阶段Faster-Whisper 的 segments 是生成器源码用tqdm(segments, descSegmentos, unitseg)逐段包装实时显示进度LLM 阶段用rich的Progress(SpinnerColumn(), TextColumn(...))显示转圈动画与状态文案每一步都有明确的终端状态消息✅/⚠️/❌彩色标记。2. 时间戳命名Timestamp-based File Namingsave_outputs()transcribe.py使用datetime.now().strftime(%Y%m%d-%H%M%S)生成后缀transcript-YYYYMMDD-HHMMSS.md带时间戳的原始转写含时间轴ata-YYYYMMDD-HHMMSS.mdLLM 生成的智能纪要/摘要。重复运行不再覆盖旧文件杜绝数据丢失。3. 自动清理Automatic Cleanup处理完成后自动删除metadata.json与transcription.json等临时产物v1.0.0 会在工作目录残留垃圾。--keep-temp命令行参数可保留临时文件以便排查。CLI 参数与主流程完整调用链v1.1.0 对 Python 实现做了整体重构核心脚本 transcribe.py 共 516 行变更日志标注暴露以下命令行参数见 transcribe.py参数默认值说明audio_file必填待转写音频文件路径--prompt无自定义提示词用于指导 LLM 生成纪要--modelbaseWhisper 模型tiny/base/small/medium/large--output-dir.输出目录--keep-temp关闭保留metadata.json/transcription.json临时文件主流程main()的完整调用链Step 1 transcribe_audio() # Whisper 转写 tqdm 进度 ↓ Step 2 detect_cli_tool() # claude gh copilot None ↓ 无 CLI → 仅保存 transcript Step 3 handle_prompt_workflow() # 场景 A/B 智能提示词处理 ↓ 用户拒绝 → 仅保存 transcript Step 4 process_with_llm() # Claude/Copilot 生成 atarich spinner ↓ Step 5 save_outputs() # 时间戳命名双文件输出 临时文件清理另需注意transcribe_audio()在 Faster-Whisper 路径下使用devicecpu, compute_typeint8INT8 量化显著降低内存占用并开启word_timestampsTrue获取词级时间戳transcribe.py。依赖安装install-requirements.sh 的容错设计install-requirements.sh 是依赖安装的自动化入口采用set -euo pipefail严格模式并具备多层容错环境预检检查python3要求 3.8与pip是否存在macOS 系统依赖通过 Homebrew 检查并安装pkg-config、ffmpegbrew list幂等判断转写引擎安装优先pip install faster-whisper失败则尝试pip install --user --break-system-packages faster-whisper适配 macOS/Homebrew Python再失败回退openai-whisper同样尝试两种 pip 模式最终失败时输出三条手动安装路径--break-system-packages/ venv 虚拟环境 / pipxUI 库安装tqdm与rich失败仅警告不阻断脚本注释明确skill will still workffmpeg 兜底安装macOS 自动brew install ffmpegLinux 输出 apt/yum 建议安装验证import检测确认至少一个引擎可用可选预下载模型交互式询问是否下载base模型约 74 MB脚本标注 ~74MB分别适配 faster-whisper 与 whisper 两种 API。SKILL.md 的 Step 0 还定义了未检测到引擎时自动调用该脚本的交互流程用户确认[Y/n]后执行脚本并复核安装结果实现一键依赖就绪。使用方式与典型场景技能安装后可通过以下短语在 Copilot/Claude 终端触发transcribe audio to markdown: meeting.mp3transcreva este áudio: recordings/*.mp3葡萄牙语批量模式convert audio file to text with subtitles: interview.wavextract speech from audio/áudio para texto com metadados典型输出形态详见 README.md 的完整示例Markdown 报告包含元数据表、带[00:00:12 → 00:00:45]时间轴的逐段转写、参与者列表、讨论主题、决策记录✅、行动项- [ ]以及 LLM 生成的执行摘要Executive Summary。适用场景覆盖团队例会、客户通话、访谈可输出 SRT 字幕、讲座培训与播客/视频内容分析。关于大文件SKILL.md Example 5 展示 87.2 MB / 02:15:47 的音频会先给出耗时警告并请求确认v1.1.0 时间戳命名保证多轮处理互不干扰。版本修复盘点与遗留边界v1.1.0 通过五个 issue#1–#5系统性修复了 v1.0.0 的全部已知缺陷#1 用户提示词被忽略→ 现已对所有提示词自定义或自动生成走 LLM 处理并把简单提示词升级为结构化框架RISEN/RODES/STAR#2 临时文件残留→ 自动清理metadata.json、transcription.json#3 输出不完整仅原始转写→ 现在同时产出 transcript 与智能 ata/resumo并尊重用户提示词#4 无进度反馈→ tqdm 进度条 rich 转圈 分步状态消息#5 输出无时间戳导致覆盖→transcript-*/ata-*时间戳命名。同时需明确遗留边界README FAQ / SKILL.md Limitations说话人分离目前仍是简单估算高精度分离留待后续无法直接转录 YouTube 视频需先下载音频或改用仓库内的youtube-summarizer技能LLM 纪要依赖本地 Claude CLI 或 GitHub Copilot CLI 可用缺失时自动退化为纯转写模式输出不应替代环境相关的专业验证与人工复核。总结从变更日志看技能设计方法论audio-transcriber 的 v1.1.0 变更日志本身即是一份高质量的工程实践样本每个新增特性都对应明确的用户痛点issues #1–#5每个能力点都配套源码函数与 CLI 参数落地每次增强都保留向后兼容与优雅降级路径。对于希望复用该技能的读者建议以 SKILL.md 为激活入口、detailed-guide.md 为完整流程手册、transcribe.py 为实现参考即可快速搭建属于自己的音频 → 结构化文档流水线。赞分享AI 技能AI 插件人工智能【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills点击查看免费下载相关推荐agentic-awesome-skills 之 Audio Transcriber Skill基于 Faster-Whisper 与 LLM 的本地音频转写与会议纪要自动化指南agentic awesome skills 之 Audio Transcriber Skill基于 Faster Whisper 与 LLM 的本地音频转写AI 技能AI 插件人工智能postgresql-event-sourcing完全指南如何用Spring Boot构建事件驱动系统postgresql event sourcing完全指南如何用Spring Boot构建事件驱动系统 postgresql event sourcing是一Dalfox v3 版本演进与核心能力深度解析从 Rust 全面重写到 3.2.4Dalfox v3 版本演进与核心能力深度解析从 Rust 全面重写到 3.2.4 自 v3.0.0 将引擎从 Go 全面重写为 Rust 以来Dalfox网络安全CLI上一篇在 Meshery 中部署 Vald v1.7.17深入解析 Helmd 生成的 Catalog 设计Discoverer、Manager、Agent 与 Gateway下一篇构建欢迎型开源社区从贡献漏斗到冲突化解的完整实践指南opensource.guide创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
