前言¶

手上有一段播客、会议录音或 B 站视频，想把里面的话说变成文字，通常要拆成几步：先想办法把音频取下来，再用 ASR 模型跑出原始转录，最后还得人工把口语、重复、跑题整理成可读版本。三步工具往往互不打通，模型还要自己配 GPU 后端，不同操作系统还各有坑。

下面介绍的 audio-transcription-skill，就是把这三件事串成一个流程的 Skill，面向需要批量或反复处理音频的开发者。

这是什么¶

audio-transcription-skill 是一个基于通用 SKILL.md 格式的社区 Skill，坐标 @user_1eeb7312/audio-transcription-v，版本 1.0.0，发布者 user_1eeb7312，在 SkillHub 上归入 design-media 分类，来源标记为 community。

它解决的问题是：给出一个音频来源（B 站视频、网盘分享、HTTP 直链或本地文件），直接得到可用的转录正文，以及一份经过整理的精炼版。作者不要求使用者自行拼装下载器、ASR 服务和文档整理脚本。

核心能力¶

按官方简介，这个 Skill 的能力分三层。

1、音频获取。支持 B 站视频、网盘分享、HTTP 直链、本地文件四类来源，覆盖了日常最常见的音频入口。

2、语音转文字。使用 Qwen3-ASR-1.7B 模型做 GPU 推理，后端支持 Intel XPU、NVIDIA CUDA、Apple MPS 三种，也就是 Intel 显卡、NVIDIA 显卡和 Apple 芯片都能跑。

3、精炼版整理。转录完成后由 AI 做一轮整理，包括按话题分章、清理口语表达、按信息层级组织内容，以及用表格或列表承载结构化信息。

平台方面，官方说明兼容 Windows / macOS / Linux，并会自动检测当前系统做适配。标签里 requires_api_key=false，说明按作者描述不需要额外申请 API Key。

安装与启用¶

官方页面给出的信息是坐标、版本、分类和简介，没有列出具体的安装命令、目录路径或配置字段，本文不臆造。拿到的是 SkillHub 页面：

https://www.skillhub.cn/skills/user_1eeb7312/audio-transcription-v

以及对应的接口地址：

https://api.skillhub.cn/user_1eeb7312/audio-transcription-v

按 SkillHub 上 coordinates 的写法，启用时认准 @user_1eeb7312/audio-transcription-v 这个坐标即可，其余安装步骤以官方页面当时的说明为准。

典型用法¶

这个 Skill 的触发词包括：转录、语音转文字、ASR、音频转录、B站转录、录音整理、精炼版、Qwen3-ASR、音频下载、播客转录、会议录音整理。

用法示意：在对话里说明音频来源，带上触发词，让 Skill 走完下载、转录、整理三步。例如针对 B 站视频：

把这条 B 站视频的音频取下来，转录并给出一份精炼版：
https://www.bilibili.com/video/BVxxxx

针对本地会议录音：

转录这个会议录音文件，整理成精炼版，分章节并清理口语。

针对播客或网盘分享：

播客转录，这是网盘分享链接，出一份带话题分章的精炼版。

上面是按官方简介的触发词和能力范围给出的用法示意，具体参数和输出格式以 Skill 实际执行结果为准。

适用场景与注意¶

适合这几类情况：内容创作者要把播客或视频音频变成可读文本；团队要把会议录音整理成纪要；需要把一段长音频按话题切分、再抽取结构化信息的场景。如果只是偶尔转一句话，为它单独跑 GPU 推理并不划算。

需要注意的几点：

1、GPU 推理依赖可用的加速后端。Intel XPU、NVIDIA CUDA、Apple MPS 三种后端之外的机器（比如纯 CPU 环境）能否运行、性能如何，官方简介里没有说明，使用前要自行确认。

2、B 站视频和网盘分享能否下载成功，取决于对应平台的访问限制和链接有效性，不是 Skill 本身能保证的。

3、整理阶段产出的分章和信息分层属于模型输出，重要内容仍建议人工复核后再对外使用。

4、版本目前是 1.0.0，后续接口和行为可能有变化，以官方页面为准。

小结¶

audio-transcription-skill 的价值在于把「下载音频 → Qwen3-ASR 转录 → 精炼版整理」收敛成一次调用，并把 Intel XPU / NVIDIA CUDA / Apple MPS 三种 GPU 后端和 Windows / macOS / Linux 三个平台的差异包在里面。对经常处理音频转写的人来说，省的是拼装工具和调后端的时间。

官方地址：https://www.skillhub.cn/skills/user_1eeb7312/audio-transcription-v