audio-transcriber

Audio Transcriber - 智能音频转文档工具

技能概述

Audio Transcriber 是一款零配置的音频转文字工具，能够自动将会议录音、访谈记录等音频文件转录为专业 Markdown 文档，并智能生成会议纪要、行动项和执行摘要。

适用场景

会议记录自动化

将团队会议、客户通话的录音自动转录为结构化文档，识别不同发言人，提取讨论要点和决议事项，节省手动整理时间。

访谈与讲座整理

记者采访、学术讲座、播客录制等场景下，快速将长音频转为可搜索的文字文档，支持 SRT/VTT 字幕导出。

内容分析与归档

对音频内容进行结构化处理，生成带时间戳的转录文档，便于后续检索、引用和知识沉淀。

核心功能

零配置自动转录

自动检测系统中的 Faster-Whisper 或 Whisper 引擎，支持 MP3、WAV、M4A、OGG、FLAC、WEBM 等常见格式，无需 API 密钥或手动配置即可开始转录。

智能会议纪要生成

基于转录内容自动提取参会人员、讨论主题、决议事项和行动项，可集成 LLM 进一步生成执行摘要，让会议记录更有价值。

说话人与元数据识别

支持说话人分离（Diarization），自动识别参与人数和发言片段，同时提取音频时长、文件大小、语言等元数据，输出完整的转录报告。

常见问题

Audio Transcriber 支持哪些音频格式？

支持 MP3、WAV、M4A、OGG、FLAC、WEBM、MP4 等主流音频格式。如果安装了 ffmpeg，还能自动转换不兼容的格式。

转录一个一小时会议需要多久？

使用 Faster-Whisper 时，处理时间约为音频时长的 10-20%（即 1 小时音频约需 6-12 分钟）。具体时间取决于硬件性能和模型选择。

这个工具需要联网使用吗？

不需要。Whisper 和 Faster-Whisper 都是本地运行的模型，转录过程完全离线进行，只有使用 LLM 生成摘要时才需要联网。