前言¶

會議、客服、訪談錄音堆在存儲裏，需要的是能檢索、能統計、能交付的文本。直接調用通用 ASR 接口通常只能拿到一條時間軸不齊、說話人不分、充滿同音錯誤的原始字幕，後期整理成本往往超過轉寫本身。下面介紹的 Skill「崑崙增長 · 語音轉寫」把這條鏈路做成了工程工作臺：從音頻預處理到質檢，每一步都有明確方法。

這是什麼¶

「崑崙增長 · 語音轉寫」是一個面向語音識別場景的工程 Skill，座標 @kunlungrowth/kunlun-speech-to-text，由崑崙增長髮布維護，當前版本 1.2.0，分類 knowledge-management。

它解決的問題是：錄音轉文字不只是「調用一個識別接口」，而是一條包含預處理、引擎選型、說話人分離、後處理、結構化、質檢的長鏈路。該 Skill 把這條鏈路固化爲能力模塊，並提供配套方法論，輸出可直接交付的文本。

核心功能¶

Skill 覆蓋的完整鏈路爲：音頻預處理 → 轉寫引擎 → 說話人分離 → 後處理 → 結構化 → 質檢。對應六個能力模塊：

• 音頻預處理：處理輸入音頻，使其滿足轉寫引擎的輸入要求
• 引擎選型：按場景挑選合適的轉寫引擎
• 說話人分離：區分錄音中的不同說話人
• 後處理糾錯：對識別結果做糾錯
• 結構化：把轉寫結果整理爲結構化文本
• 質檢：檢查輸出質量

內置的方法論有四項：

• 熱詞提效法
• 說話人分離 + 時間戳
• 後處理結構化
• 抽樣質檢法

官方說明其輸出可直接交付，全流程附卡點自救與合規護欄。

安裝與啓用¶

該 Skill 基於通用 SKILL.md 格式。官方資料中未給出明確的安裝命令、目錄約定或配置字段，因此此處不提供命令；需要安裝的讀者建議通過官方渠道獲取後按其說明啓用。

典型用法¶

官方資料未提供可復現的調用示例與具體命令，此處不編寫示例。使用時請以 Skill 自身文檔爲準。

適用場景與注意¶

適用對象是會議、客服、訪談三類錄音的轉寫需求，需求方是需要可檢索、可結構化文本的開發者或團隊。對應的說法包括語音識別、ASR、錄音轉文字、說話人分離、字幕生成。

需要注意的幾點：

• 該鏈路的每一步都有卡點風險，Skill 提供的是自救方法，不是免維護的全自動方案。
• 轉寫結果涉及合規問題，官方明確附有合規護欄，使用時應當保留。
• 安裝與配置細節需以官方最新說明爲準。

結尾¶

這個 Skill 的價值在於把「錄音轉文字」從單次接口調用擴展爲可質檢的工程流程，六個能力模塊加四項方法論覆蓋了從預處理到質檢的完整鏈路。

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