前言¶

会议、访谈、课程录音往往以 m4a、mp3 或 mp4 形式留在本地。要整理成可检索的文字或字幕，常见做法是上传到第三方 ASR 服务，或在本机手工听写。前者有出境与留存顾虑，后者耗时长、难对齐时间轴。

下面介绍 SkillHub 上的「录音转文字｜本地转写·会议字幕」：在 Agent 里用自然语言或上传音视频，走本地转写流程，输出带时间戳的文稿与字幕文件，普通场景下无需配置云端 API Key。

这是什么¶

一句话定位：把会议、访谈、课程等音视频转成带时间戳的 TXT/Markdown 文字稿，以及 SRT/VTT 字幕；支持本地转写，首次需准备模型，可按需配置说话人区分。

• Skill 坐标：@user_6113fd9f/asr-transcribe-local
• 当前版本：1.4.0（来源：community）
• SkillHub 分类：design-media
• 页面标签：requires_api_key=false（普通本地转写无需云端 API Key）
• 官方页面：SkillHub 技能详情
• API 地址：https://api.skillhub.cn/user_6113fd9f/asr-transcribe-local

在 Cursor、Claude Code、Codex 等支持 Skills 的客户端里，安装后由 Agent 按 SKILL 说明调用本机转写能力，而不是在对话里重复贴长段安装脚本。

核心功能¶

以下能力均来自 SkillHub 页面与已抓取简介，未列出的不做延伸。

1. 输入格式：m4a、mp3、wav、mp4 等常见音视频（页面明确列出 m4a/mp3/wav/mp4）。
2. 输出形态：带时间戳的 TXT、Markdown 文字稿；SRT、VTT 字幕。
3. 本地转写：普通本地转写无需云端 API Key；首次使用需在本机准备转写模型。
4. 试转：支持先试转约 30 秒，便于确认效果再跑全长。
5. 说话人：区分说话人按需配置，非默认必开项。

当用户提到「录音转文字」「语音转文字」「转写」「会议录音转写」「srt 字幕」「逐字稿」「说话人分离」「本地转写」等，或上传上述格式的音视频并要求转成文字、整理、做纪要前处理时，适合触发本 Skill。转写完成后，可再交给会议纪要等下游 Skill 出正式纪要。

安装与启用¶

安装分两步：准备 SkillHub CLI，再把技能装进当前 Agent 的 skills 目录。目录装错会导致 Agent 识别不到，需指向各自客户端约定路径。

1. 检查或安装 SkillHub CLI¶

先确认本机是否已有 skillhub：

command -v skillhub && skillhub --version

若未安装，可按 SkillHub 官方说明执行（完整安装含 CLI 与默认 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

仅安装 CLI 时：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

2. 安装本 Skill¶

安装时必须用 --dir 指向当前 Agent 的 skills 目录。以 Cursor 为例，常用路径为 ~/.cursor/skills/：

skillhub install user_6113fd9f/asr-transcribe-local --dir ~/.cursor/skills/

其他客户端路径（摘自 SkillHub 安装文档，按实际环境选用）：

• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/
• Windsurf：~/.codeium/windsurf/skills/ 或 .windsurf/skills/

也可在 SkillHub 技能页将下列提示发给 AI，由其按 SkillHub 安装说明 完成安装：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_6113fd9f/asr-transcribe-local`。

安装后若客户端要求重启或重新加载 Skills，按该客户端说明操作。

典型用法¶

官方页面未给出固定 CLI 转写命令，实际流程由 SKILL 内指引 Agent 执行。可复现的交互方式如下。

1. 在已安装本 Skill 的 Agent 中，说明需求并附上文件路径或上传文件，例如：「把这段会议 m4a 转写成带时间戳的 Markdown，并导出 SRT。」
2. 首次转写前，按 Agent 提示在本机准备转写模型（页面说明：首次需准备模型）。
3. 不确定全长耗时或效果时，可先要求试转约 30 秒，确认后再处理完整录音。
4. 多人对话需要区分发言者时，在需求中写明「区分说话人」或「说话人分离」，按 Skill 说明开启相应配置。

输出文件格式在需求里写清即可：TXT/Markdown 便于编辑，SRT/VTT 便于播放器或剪辑工具挂字幕。

适用场景与注意¶

适合谁

• 希望录音留在本机、普通转写不依赖云端 API Key 的个人或小团队。
• 需要会议、访谈、课程素材的快速文字稿或字幕，并可能继续交给 Agent 做纪要整理的用户。

限制与注意

• 首次使用有模型准备成本，磁盘与算力需自行评估。
• 说话人分离为按需配置，不是每次默认开启。
• 页面列出的格式以 m4a/mp3/wav/mp4 为准；其他扩展名是否支持以 SKILL 与 Agent 执行结果为准。
• SkillHub 统计（以抓取资料为准）：评分 100000，下载约 25557；安装后行为以本机环境与 SKILL 版本为准。

结尾¶

「录音转文字｜本地转写·会议字幕」把音视频到文稿、字幕的链路收进一个 Skill：本地转写、无 Key 的普通路径、试转与按需说话人配置，都在 SkillHub 简介中有明确说明。需要安装或更新时，以官方页面与安装文档为准：

• https://www.skillhub.cn/skills/user_6113fd9f/asr-transcribe-local
• https://api.skillhub.cn/user_6113fd9f/asr-transcribe-local