技能备份 - 2026-04-15 (40个技能)

skills/funasr-transcribe-skill/SKILL.md

@@ -0,0 +1,79 @@
+---
+name: funasr-transcribe
+description: 本地音频转录工具，使用阿里 FunASR 模型进行语音识别。支持中文、英文等多种语言，无需 API 费用，完全本地运行。适用于音频文件转写（.wav, .ogg, .mp3 等）、会议记录、语音笔记整理等场景。
+---
+
+# FunASR 语音转录
+
+本地、免费、高效的语音识别工具，基于阿里巴巴 FunASR 模型。
+
+## 快速开始
+
+```bash
+# 1. 安装 FunASR
+bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/install.sh
+
+# 2. 转录音频
+bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/transcribe.sh /path/to/audio.ogg
+```
+
+## 安装 FunASR
+
+首次使用需要安装 FunASR 环境（虚拟环境 + 依赖）：
+
+```bash
+bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/install.sh
+```
+
+安装脚本会：
+- 创建 Python 虚拟环境 `~/.openclaw/workspace/funasr_env`
+- 安装 FunASR、torch、torchaudio、modelscope 等依赖
+- 安装完成后，首次转录会自动下载模型文件
+
+**安装时间**：约 5-10 分钟（取决于网络速度）
+
+**系统要求**：
+- Python 3.7+
+- 约 4GB 磁盘空间（虚拟环境 + 模型）
+- 推荐 8GB+ 内存
+
+## 转录音频
+
+安装完成后，转录音频：
+
+```bash
+bash ~/.openclaw/workspace/skills/funasr-transcribe/scripts/transcribe.sh /path/to/audio.ogg
+```
+
+**支持的格式**：`.wav`, `.ogg`, `.mp3`, `.flac`, `.m4a` 等
+
+**输出**：
+- 同目录下生成 `<audio_filename>.txt`
+- 包含转录文本（带标点）
+
+**性能**：
+- CPU 推理：rtf 约 0.05-0.2（1 秒音频约需 0.05-0.2 秒）
+- 首次转录需下载模型（约 1-2GB），后续直接使用缓存
+
+## 技术细节
+
+FunASR 使用以下模型组合：
+- **ASR 模型**：`damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch`（中文优化）
+- **VAD 模型**：`damo/speech_fsmn_vad_zh-cn-16k-common-pytorch`（语音活动检测）
+- **标点模型**：`damo/punc_ct-transformer_zh-cn-common-vocab272727-pytorch`（标点恢复）
+
+**语言支持**：
+- 中文（普通话 + 方言）
+- 英文
+- 中英混合
+
+## 常见问题
+
+**Q: 首次转录很慢？**
+A: 首次运行会自动下载模型文件（约 1-2GB），后续转录会快很多。
+
+**Q: 可以用 GPU 吗？**
+A: 可以。编辑 `scripts/transcribe.py`，将 `device="cpu"` 改为 `device="cuda:0"`，并安装对应的 CUDA 版本依赖。
+
+**Q: 转录准确率如何？**
+A: FunASR 在中文场景下表现优异，通常优于 OpenAI Whisper。建议测试后评估效果。