免费在 GitHub 公开中文介绍

openai-whisper-api

将音频文件发送到OpenAI语音转写API，并将结果保存为文本或JSON。可指定模型和语言，也可为发言添加说话人标签，便于区分录音中的不同说话人。

原文查看原文说明

OpenAI Audio Transcriptions API via curl; gpt-4o-transcribe, mini, diarize, or whisper-1.

openclaw/openclaw

集成工具OpenAI

AI 评分90分/ 100 查看安装方法

适用场景

将会议录音转为文字
区分访谈中的说话人
将转写结果保存为JSON
指定音频语言进行转写

中文介绍

功能

将音频文件发送到OpenAI语音转写API，并把结果保存为文本或JSON。通过附带的transcribe.sh可指定模型、保存位置和语言。默认使用gpt-4o-transcribe，输出文件名是在输入文件名后添加.txt。也可选择gpt-4o-mini-transcribe或whisper-1。

适用场景

适合以文字查看会议或访谈录音，或将转写结果交给其他流程处理。需要区分说话人时，可用gpt-4o-transcribe-diarize为发言添加标签。普通转写的示例还展示了如何通过提示词提供姓名等补充信息。

使用示例

“把这段会议录音转写成文字，并保存为文本。”
“转写这段访谈，并添加说话人标签。”
“指定音频语言，将转写结果输出为JSON。”

注意事项

需要curl、node和OPENAI_API_KEY。托管API的上传上限为25 MB，支持mp3、mp4、m4a、wav、webm等格式。说话人标签模型不能使用--prompt。兼容代理或本地网关的连接地址可通过OPENAI_BASE_URL指定。

本介绍由 AI（OpenAI Codex）根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。

客观评估

AI 仅根据 SKILL.md 的内容，从 4 个方面进行了评估。星标数和热度不计入评估。

指令清晰度能否看出何时使用、做什么: A良好明确说明将音频发送到转写API，获取文本或JSON。
步骤具体性步骤、输入输出和示例是否具体: A良好提供transcribe.sh命令示例、模型选择、输出路径和默认值。
安全性发送数据、删除文件、执行命令等是否有说明: B部分不足说明了音频上传和密钥配置，但未提供上传前的确认步骤。
安装难易度所需工具和 API 密钥是否少且有说明: A良好列明curl、node和OPENAI_API_KEY要求，并说明密钥配置方法。

总分按每项 A=25 分、B=15 分、C=5 分相加。由 AI（OpenAI Codex）于 2026年10月19日评估。仅供参考，安装前请同时查看原文。

如果您认为评估有误，请申请复核

包含的文件（2）

SKILL.md2.0 KB
scripts/transcribe.sh3.1 KB

SKILL.md（原文）

安装前可以查看交给 AI 代理的指令内容。

OpenAI transcriptions API

Transcribe audio through /v1/audio/transcriptions. Set OPENAI_BASE_URL for an OpenAI-compatible proxy or local gateway.

Quick start

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

Defaults:

Model: gpt-4o-transcribe
Output: <input>.txt

Useful flags

{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:

Supported upload formats include mp3, mp4, mpeg, mpga, m4a, wav, webm.
25 MB upload limit on the hosted API.
Use diarize for speaker labels; script sends chunking_strategy=auto and rejects --prompt.

API key

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",
    },
  },
}

评价

还没有评价。欢迎分享你的使用感受。

无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

同一仓库的技能