前言¶

把一段会议录音、播客或视频变成文字，通常要在一堆工具里来回切：先用 FFmpeg 把格式转对，再跑一个语音识别模型，最后再想办法把不同人的发言分开、给每段加上时间。结果往往是格式报错、多人讲话混成一段、时间戳对不上，折腾半天只拿到一段不可用的文本。

下面介绍的 FunASR音频转录，就是把这个流程收进一个 Skill 里：给定音频或视频文件，它负责格式转换、语音识别、说话人分段和时间戳输出，直接给出可用的文字结果。

这是什么¶

FunASR音频转录是基于 FunASR 的音视频转录工具，坐标 @user_e8cce942/funasr-transcriber，版本 1.0.0，由社区发布者 user_e8cce942 维护，来源为 community，分类 design-media。它解决的是”从音频/视频文件到结构化文字”这一步：触发后自动完成转码与识别，不需要用户手动调用多个命令行工具。

按预抓取资料，当前 SkillHub 页面评分为 100000，下载 1185 次，安装数为 0；标签为 requires_api_key=false，即不需要额外配置 API Key。

核心功能¶

下面是资料中明确列出的能力：

• FFmpeg 格式转换：先把音频或视频统一转成识别可处理的格式。
• 自动区分单/多人讲话：识别是否只有一个人在说话。
• 说话人分段：多人场景下按说话人切分文本。
• 时间戳输出：为转录结果附带时间信息。
• 中英文转录：支持中文、英文或中英文混合的音频。

触发方式由用户输入驱动，官方给出的触发短语包括”识别这个音频”、”转录录音文件”、”识别音频”、”音频转文字”、”转录视频”。

安装与启用¶

预抓取资料里没有提供具体的安装命令、目录路径或配置字段，也没有区分 Cursor / Codex CLI / Claude Code 的启用方式。因此这里不写未经核实的命令，避免给出错误操作步骤。

按资料，该 Skill 不需要配置 API Key（requires_api_key=false）。要拿到安装命令和配置字段，请以官方页面为准：

https://api.skillhub.cn/user_e8cce942/funasr-transcriber

该 Skill 基于通用 SKILL.md 格式，接入支持该格式的 Agent 环境后即可按触发短语调用。

典型用法¶

预抓取资料里没有给出可直接复现的官方示例命令或输入输出样例，因此这里不虚构示例。按官方描述的用法，是在需要转录时直接给出文件或给出指令，例如”识别这个音频”、”音频转文字”、”转录视频”，由 Skill 完成格式转换、识别与分段。

如果你手头有具体的调用参数或输出格式要求，建议对照官方页面确认，再决定是否在本机环境里跑通。

适用场景与注意¶

适合的场景是已经落成文件的语音或视频内容：会议、访谈、录音、语音备忘、播客、讲座、通话、视频等。这些都是”文件到文字”的转录需求，也是该 Skill 触发短语覆盖的范围。

需要注意的点：

• 需要机器上可用的 FFmpeg，否则格式转换这一步走不通。
• 多人场景下的说话人分段效果取决于音源质量，嘈杂或重叠说话的音频可能分段不准。
• 时间戳输出的粒度资料未说明，具体精度要以实际输出为准。
• 当前安装数为 0，属于刚发布不久的社区 Skill，采用前建议先在小文件上试跑。
• 本次成稿时官方页面抓取失败，评分、下载量等以预抓取资料为准，可能已有变化。

结尾¶

FunASR音频转录的价值在于把”转码 + 识别 + 分段 + 时间戳”这串操作收敛成一个可触发的动作，减少在多个工具之间手工拼接的环节。对于需要把会议、播客、讲座等音频视频文件转成文字的场景，它是一个可以直接试的 Skill。

官方地址：https://api.skillhub.cn/user_e8cce942/funasr-transcriber