前言¶

會議、訪談、課程錄音往往以 m4a、mp3 或 mp4 形式留在本地。要整理成可檢索的文字或字幕，常見做法是上傳到第三方 ASR 服務，或在本機手工聽寫。前者有出境與留存顧慮，後者耗時長、難對齊時間軸。

下面介紹 SkillHub 上的「錄音轉文字｜本地轉寫·會議字幕」：在 Agent 裏用自然語言或上傳音視頻，走本地轉寫流程，輸出帶時間戳的文稿與字幕文件，普通場景下無需配置雲端 API Key。

這是什麼¶

一句話定位：把會議、訪談、課程等音視頻轉成帶時間戳的 TXT/Markdown 文字稿，以及 SRT/VTT 字幕；支持本地轉寫，首次需準備模型，可按需配置說話人區分。

• Skill 座標：@user_6113fd9f/asr-transcribe-local
• 當前版本：1.4.0（來源：community）
• SkillHub 分類：design-media
• 頁面標籤：requires_api_key=false（普通本地轉寫無需雲端 API Key）
• 官方頁面：SkillHub 技能詳情
• API 地址：https://api.skillhub.cn/user_6113fd9f/asr-transcribe-local

在 Cursor、Claude Code、Codex 等支持 Skills 的客戶端裏，安裝後由 Agent 按 SKILL 說明調用本機轉寫能力，而不是在對話裏重複貼長段安裝腳本。

核心功能¶

以下能力均來自 SkillHub 頁面與已抓取簡介，未列出的不做延伸。

1. 輸入格式：m4a、mp3、wav、mp4 等常見音視頻（頁面明確列出 m4a/mp3/wav/mp4）。
2. 輸出形態：帶時間戳的 TXT、Markdown 文字稿；SRT、VTT 字幕。
3. 本地轉寫：普通本地轉寫無需雲端 API Key；首次使用需在本機準備轉寫模型。
4. 試轉：支持先試轉約 30 秒，便於確認效果再跑全長。
5. 說話人：區分說話人按需配置，非默認必開項。

當用戶提到「錄音轉文字」「語音轉文字」「轉寫」「會議錄音轉寫」「srt 字幕」「逐字稿」「說話人分離」「本地轉寫」等，或上傳上述格式的音視頻並要求轉成文字、整理、做紀要前處理時，適合觸發本 Skill。轉寫完成後，可再交給會議紀要等下游 Skill 出正式紀要。

安裝與啓用¶

安裝分兩步：準備 SkillHub CLI，再把技能裝進當前 Agent 的 skills 目錄。目錄裝錯會導致 Agent 識別不到，需指向各自客戶端約定路徑。

1. 檢查或安裝 SkillHub CLI¶

先確認本機是否已有 skillhub：

command -v skillhub && skillhub --version

若未安裝，可按 SkillHub 官方說明執行（完整安裝含 CLI 與默認 Skill）：

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

僅安裝 CLI 時：

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

2. 安裝本 Skill¶

安裝時必須用 --dir 指向當前 Agent 的 skills 目錄。以 Cursor 爲例，常用路徑爲 ~/.cursor/skills/：

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

其他客戶端路徑（摘自 SkillHub 安裝文檔，按實際環境選用）：

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

也可在 SkillHub 技能頁將下列提示發給 AI，由其按 SkillHub 安裝說明 完成安裝：

請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_6113fd9f/asr-transcribe-local`。

安裝後若客戶端要求重啓或重新加載 Skills，按該客戶端說明操作。

典型用法¶

官方頁面未給出固定 CLI 轉寫命令，實際流程由 SKILL 內指引 Agent 執行。可復現的交互方式如下。

1. 在已安裝本 Skill 的 Agent 中，說明需求並附上文件路徑或上傳文件，例如：「把這段會議 m4a 轉寫成帶時間戳的 Markdown，並導出 SRT。」
2. 首次轉寫前，按 Agent 提示在本機準備轉寫模型（頁面說明：首次需準備模型）。
3. 不確定全長耗時或效果時，可先要求試轉約 30 秒，確認後再處理完整錄音。
4. 多人對話需要區分發言者時，在需求中寫明「區分說話人」或「說話人分離」，按 Skill 說明開啓相應配置。

輸出文件格式在需求裏寫清即可：TXT/Markdown 便於編輯，SRT/VTT 便於播放器或剪輯工具掛字幕。

適用場景與注意¶

適合誰

• 希望錄音留在本機、普通轉寫不依賴雲端 API Key 的個人或小團隊。
• 需要會議、訪談、課程素材的快速文字稿或字幕，並可能繼續交給 Agent 做紀要整理的用戶。

限制與注意

• 首次使用有模型準備成本，磁盤與算力需自行評估。
• 說話人分離爲按需配置，不是每次默認開啓。
• 頁面列出的格式以 m4a/mp3/wav/mp4 爲準；其他擴展名是否支持以 SKILL 與 Agent 執行結果爲準。
• SkillHub 統計（以抓取資料爲準）：評分 100000，下載約 25557；安裝後行爲以本機環境與 SKILL 版本爲準。

結尾¶

「錄音轉文字｜本地轉寫·會議字幕」把音視頻到文稿、字幕的鏈路收進一個 Skill：本地轉寫、無 Key 的普通路徑、試轉與按需說話人配置，都在 SkillHub 簡介中有明確說明。需要安裝或更新時，以官方頁面與安裝文檔爲準：

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