通过 OpenAI 音频转写接口,将语音录音快速转成文本或说话人分段结果。
整体看这是一个低复杂度的本地技能,主要通过脚本调用转录接口;未见明显的凭证滥用、可疑注入或超范围系统权限迹象。由于会读取本地音频并可能向配置的 OpenAI 兼容端点发送内容,属于常规需留意而非高风险。
需要 OPENAI_API_KEY,或从 OpenClaw 配置文件读取 apiKey;这是常规密钥使用,材料未显示额外凭证收集或泄露迹象。
会把音频上传到 /v1/audio/transcriptions,并可通过 OPENAI_BASE_URL 指向 OpenAI 兼容代理或本地网关;存在用户音频外发,但端点是声明中的已知目标。
README 显示通过 scripts/transcribe.sh 本地执行脚本完成转录;属于技能/工具的常规本机进程执行能力,未见额外系统权限申请。
脚本读取用户指定的本地音频文件并默认输出 .txt/.json 到本地路径;访问范围看起来仅限于用户提供的输入与输出文件。
来源为 GitHub 开源仓库且社区星标很高,通常降低供应链疑虑;但许可证未声明、维护状态未知,仍建议按可审计但需留意处理。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "openai-whisper-api" 技能: 1. 下载 https://raw.githubusercontent.com/openclaw/openclaw/main/skills/openai-whisper-api/SKILL.md 2. 保存为 ~/.claude/skills/openai-whisper-api/SKILL.md 3. 装好后重载技能,告诉我可以用了
请用 openai-whisper-api 把这段会议录音转写为中文文本,按自然段整理,并保留时间顺序。
一份可阅读的中文会议转写稿,内容按顺序整理。
请用 openai-whisper-api 处理这段采访音频,输出带说话人区分的转写结果,并标注每段是谁在说话。
一份包含说话人标签的采访逐段转写文本。
请用 openai-whisper-api 将这段英文播客转写成英文文本,尽量保留专有名词,供后续做摘要和内容整理。
一份较准确的英文播客转写文本,可继续用于摘要或编辑。
Transcribe audio through /v1/audio/transcriptions. Set OPENAI_BASE_URL for an OpenAI-compatible proxy or local gateway.
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a
Defaults:
gpt-4o-transcribe<input>.txt{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
Notes:
mp3, mp4, mpeg, mpga, m4a, wav, webm.chunking_strategy=auto and rejects --prompt.Set OPENAI_API_KEY, or configure it in the active OpenClaw config file ($OPENCLAW_CONFIG_PATH, default ~/.openclaw/openclaw.json). Optionally set OPENAI_BASE_URL:
{
skills: {
"openai-whisper-api": {
apiKey: "OPENAI_KEY_HERE",
},
},
}
用 songsee CLI 从音频生成频谱图与特征面板可视化,便于分析与展示。
为 OpenClaw 代理创建的 GitHub PR 或议题自动添加脱敏执行记录。
帮助你控制 tmux 会话与窗格,自动发送命令、抓取输出并监控提示符
用自然语言指令快速编辑 PDF 内容、页面与结构,提升文档处理效率。
帮助开发与运维团队快速分诊安全通告、草稿和 GHSA 报告并给出可信依据。
帮助你发现并控制 Sonos 音箱,执行播放、音量和分组等操作。
通过本地或 API 将音频快速转写为文本,便于整理记录与后续处理。
使用本地 Whisper CLI 将音频语音快速转成文本,无需 API 密钥。
将音频内容转写为文本,支持多种 Whisper 模型与接口接入方式。
将音频或视频中的语音转成文字,并可区分说话人与整理访谈记录。
将音频转写为文本并区分说话人,便于整理会议与访谈内容。
通过本地 Whisper 模型转写音频文件,并可输出带时间戳的文本结果。