前言¶
会议录音、采访素材、课堂音频往往只有 m4a 或 mp3，整理成可编辑文稿却要另开转写工具或云端 API。云端方案要配 key，长音频还要担心内容出境。下面介绍 SkillHub 上的社区 Skill「音频转文档」：在本机用 faster-whisper 做 CPU 推理，把常见音频格式转成带结构的中文 .docx，录音不必离开你的机器。
这是什么¶
「音频转文档」是 SkillHub 坐标 @user_b5009730/audio-to-docx 上的 Agent Skill（当前版本 1.0.2，来源 community，分类 design-media）。发布者为 user_b5009730；SkillHub 页面标注作者为 In Jake Space。Skill 遵循通用 SKILL.md 格式，供 Cursor、Claude Code、Codex 等支持 Skills 的客户端在对话中按需调用。
它解决的是：把录音/音频在本地转写为简体中文 Word 文档，输出包含信息头、正文段落，以及逐句时间戳附录，便于对照原音频校对。
核心功能¶
以下能力均来自 SkillHub 官方简介与页面说明，已核对一致。
- 输入格式：支持 m4a、mp3、wav、flac、ogg 等常见音频。
- 输出：简体中文
.docx，含信息头、正文段落、逐句时间戳附录。 - 推理方式：基于 faster-whisper，在本地 CPU 上运行；页面标签 requires_api_key=false，无需 API key。
- 隐私：转写在本机完成，官方表述为录音内容不出本机。
- 触发语义：当用户表达「把录音转成 Word 文档」「语音转文字文档」「录音整理成文稿」「转录会议录音」或「audio/m4a/mp3 转 docx」等意图时，Agent 应选用该 Skill。
安装与启用¶
SkillHub 页面给出的安装提示是：让 AI 根据 SkillHub 安装文档 安装 @user_b5009730/audio-to-docx。下面按该文档归纳 CLI 步骤；各客户端的 skills 目录不同，安装时必须用 --dir 指向当前 Agent 实际使用的 skills 目录，否则默认落到 ./skills/ 可能不会被识别。
1、检查是否已安装 skillhub CLI
command -v skillhub && skillhub --version
未安装时，可用官方脚本完整安装（CLI + 默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅需 CLI 时：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2、安装本 Skill 到对应目录
将 <skills 目录> 换成你当前环境的路径。安装文档列出的常用路径包括：
- Claude Code：
~/.claude/skills/ - Cursor：
~/.cursor/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/ - Windsurf：
~/.codeium/windsurf/skills/或项目下的.windsurf/skills/
安装命令形如：
skillhub install @user_b5009730/audio-to-docx --dir <skills 目录>
也可先搜索再安装：
skillhub search audio-to-docx
skillhub install @user_b5009730/audio-to-docx --dir <skills 目录>
安装后若客户端要求重启或重新加载 Skills，按其产品说明操作。公开资料未单独列出本 Skill 的依赖安装脚本；实际转写依赖 faster-whisper 等运行时，首次使用时应以安装包内 SKILL.md 及随 Skill 附带的说明为准。
典型用法¶
公开页面未提供单独的命令行转写示例；典型用法是在已启用 Skills 的对话里，指明音频文件路径并说明要 Word 文稿。表述尽量贴近官方触发语，例如：
- 「把这个会议 m4a 转录成简体中文 Word，要带时间戳附录。」
- 「请用本地转写，把
interview.mp3整理成 docx，不要走云端 API。」
Agent 读取 Skill 说明后，应在本机完成 faster-whisper 转写并生成 .docx。具体参数（模型大小、语言强制为中文等）以 Skill 包内文档为准；本文不臆造未在官方简介中出现的配置项。
适用场景与注意¶
适合谁
- 需要把采访、会议、课程录音整理成可编辑 Word、且希望数据留在本机的用户。
- 已在使用 Cursor、Claude Code、Codex 等，希望通过自然语言驱动转写流程、而不是每次手动切工具的人。
限制与注意
- 算力：官方明确为本地 CPU 推理；长音频耗时会明显，机器性能直接影响体验。
- 语言与格式：输出定位为简体中文 Word；输入为所列音频格式，极冷门编码是否支持需以实际 Skill 行为为准。
- 社区来源：
community发布，使用前可在 SkillHub 查看版本与说明；当前 SkillHub 统计为评分 100000、下载 3285（以页面抓取为准，会随时间变化）。 - 安装路径：再次强调
--dir必须对准当前 Agent 的 skills 目录，避免「已安装但 Agent 找不到」。
结尾¶
「音频转文档」把 faster-whisper 本地转写和结构化 docx 输出封装成 Agent Skill，适合「录音进、文稿出、不出本机」的整理需求。安装与坐标以 SkillHub 为准：
- Skill 页面：https://www.skillhub.cn/skills/user_b5009730/audio-to-docx
- API 坐标页：https://api.skillhub.cn/user_b5009730/audio-to-docx
