前言¶

把一段會議錄音、播客或視頻變成文字，通常要在一堆工具裏來回切：先用 FFmpeg 把格式轉對，再跑一個語音識別模型，最後再想辦法把不同人的發言分開、給每段加上時間。結果往往是格式報錯、多人講話混成一段、時間戳對不上，折騰半天只拿到一段不可用的文本。

下面介紹的 FunASR音頻轉錄，就是把這個流程收進一個 Skill 裏：給定音頻或視頻文件，它負責格式轉換、語音識別、說話人分段和時間戳輸出，直接給出可用的文字結果。

這是什麼¶

FunASR音頻轉錄是基於 FunASR 的音視頻轉錄工具，座標 @user_e8cce942/funasr-transcriber，版本 1.0.0，由社區發佈者 user_e8cce942 維護，來源爲 community，分類 design-media。它解決的是”從音頻/視頻文件到結構化文字”這一步：觸發後自動完成轉碼與識別，不需要用戶手動調用多個命令行工具。

按預抓取資料，當前 SkillHub 頁面評分爲 100000，下載 1185 次，安裝數爲 0；標籤爲 requires_api_key=false，即不需要額外配置 API Key。

核心功能¶

下面是資料中明確列出的能力：

• FFmpeg 格式轉換：先把音頻或視頻統一轉成識別可處理的格式。
• 自動區分單/多人講話：識別是否只有一個人在說話。
• 說話人分段：多人場景下按說話人切分文本。
• 時間戳輸出：爲轉錄結果附帶時間信息。
• 中英文轉錄：支持中文、英文或中英文混合的音頻。

觸發方式由用戶輸入驅動，官方給出的觸發短語包括”識別這個音頻”、”轉錄錄音文件”、”識別音頻”、”音頻轉文字”、”轉錄視頻”。

安裝與啓用¶

預抓取資料裏沒有提供具體的安裝命令、目錄路徑或配置字段，也沒有區分 Cursor / Codex CLI / Claude Code 的啓用方式。因此這裏不寫未經覈實的命令，避免給出錯誤操作步驟。

按資料，該 Skill 不需要配置 API Key（requires_api_key=false）。要拿到安裝命令和配置字段，請以官方頁面爲準：

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

該 Skill 基於通用 SKILL.md 格式，接入支持該格式的 Agent 環境後即可按觸發短語調用。

典型用法¶

預抓取資料裏沒有給出可直接復現的官方示例命令或輸入輸出樣例，因此這裏不虛構示例。按官方描述的用法，是在需要轉錄時直接給出文件或給出指令，例如”識別這個音頻”、”音頻轉文字”、”轉錄視頻”，由 Skill 完成格式轉換、識別與分段。

如果你手頭有具體的調用參數或輸出格式要求，建議對照官方頁面確認，再決定是否在本機環境裏跑通。

適用場景與注意¶

適合的場景是已經落成文件的語音或視頻內容：會議、訪談、錄音、語音備忘、播客、講座、通話、視頻等。這些都是”文件到文字”的轉錄需求，也是該 Skill 觸發短語覆蓋的範圍。

需要注意的點：

• 需要機器上可用的 FFmpeg，否則格式轉換這一步走不通。
• 多人場景下的說話人分段效果取決於音源質量，嘈雜或重疊說話的音頻可能分段不準。
• 時間戳輸出的粒度資料未說明，具體精度要以實際輸出爲準。
• 當前安裝數爲 0，屬於剛發佈不久的社區 Skill，採用前建議先在小文件上試跑。
• 本次成稿時官方頁面抓取失敗，評分、下載量等以預抓取資料爲準，可能已有變化。

結尾¶

FunASR音頻轉錄的價值在於把”轉碼 + 識別 + 分段 + 時間戳”這串操作收斂成一個可觸發的動作，減少在多個工具之間手工拼接的環節。對於需要把會議、播客、講座等音頻視頻文件轉成文字的場景，它是一個可以直接試的 Skill。

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