前言¶

会议、客服、访谈录音堆在存储里，需要的是能检索、能统计、能交付的文本。直接调用通用 ASR 接口通常只能拿到一条时间轴不齐、说话人不分、充满同音错误的原始字幕，后期整理成本往往超过转写本身。下面介绍的 Skill「昆仑增长 · 语音转写」把这条链路做成了工程工作台：从音频预处理到质检，每一步都有明确方法。

这是什么¶

「昆仑增长 · 语音转写」是一个面向语音识别场景的工程 Skill，坐标 @kunlungrowth/kunlun-speech-to-text，由昆仑增长发布维护，当前版本 1.2.0，分类 knowledge-management。

它解决的问题是：录音转文字不只是「调用一个识别接口」，而是一条包含预处理、引擎选型、说话人分离、后处理、结构化、质检的长链路。该 Skill 把这条链路固化为能力模块，并提供配套方法论，输出可直接交付的文本。

核心功能¶

Skill 覆盖的完整链路为：音频预处理 → 转写引擎 → 说话人分离 → 后处理 → 结构化 → 质检。对应六个能力模块：

• 音频预处理：处理输入音频，使其满足转写引擎的输入要求
• 引擎选型：按场景挑选合适的转写引擎
• 说话人分离：区分录音中的不同说话人
• 后处理纠错：对识别结果做纠错
• 结构化：把转写结果整理为结构化文本
• 质检：检查输出质量

内置的方法论有四项：

• 热词提效法
• 说话人分离 + 时间戳
• 后处理结构化
• 抽样质检法

官方说明其输出可直接交付，全流程附卡点自救与合规护栏。

安装与启用¶

该 Skill 基于通用 SKILL.md 格式。官方资料中未给出明确的安装命令、目录约定或配置字段，因此此处不提供命令；需要安装的读者建议通过官方渠道获取后按其说明启用。

典型用法¶

官方资料未提供可复现的调用示例与具体命令，此处不编写示例。使用时请以 Skill 自身文档为准。

适用场景与注意¶

适用对象是会议、客服、访谈三类录音的转写需求，需求方是需要可检索、可结构化文本的开发者或团队。对应的说法包括语音识别、ASR、录音转文字、说话人分离、字幕生成。

需要注意的几点：

• 该链路的每一步都有卡点风险，Skill 提供的是自救方法，不是免维护的全自动方案。
• 转写结果涉及合规问题，官方明确附有合规护栏，使用时应当保留。
• 安装与配置细节需以官方最新说明为准。

结尾¶

这个 Skill 的价值在于把「录音转文字」从单次接口调用扩展为可质检的工程流程，六个能力模块加四项方法论覆盖了从预处理到质检的完整链路。

官方地址：https://api.skillhub.cn/kunlungrowth/kunlun-speech-to-text