前言¶

手上有一段播客、會議錄音或 B 站視頻，想把裏面的話說變成文字，通常要拆成幾步：先想辦法把音頻取下來，再用 ASR 模型跑出原始轉錄，最後還得人工把口語、重複、跑題整理成可讀版本。三步工具往往互不打通，模型還要自己配 GPU 後端，不同操作系統還各有坑。

下面介紹的 audio-transcription-skill，就是把這三件事串成一個流程的 Skill，面向需要批量或反覆處理音頻的開發者。

這是什麼¶

audio-transcription-skill 是一個基於通用 SKILL.md 格式的社區 Skill，座標 @user_1eeb7312/audio-transcription-v，版本 1.0.0，發佈者 user_1eeb7312，在 SkillHub 上歸入 design-media 分類，來源標記爲 community。

它解決的問題是：給出一個音頻來源（B 站視頻、網盤分享、HTTP 直鏈或本地文件），直接得到可用的轉錄正文，以及一份經過整理的精煉版。作者不要求使用者自行拼裝下載器、ASR 服務和文檔整理腳本。

核心能力¶

按官方簡介，這個 Skill 的能力分三層。

1、音頻獲取。支持 B 站視頻、網盤分享、HTTP 直鏈、本地文件四類來源，覆蓋了日常最常見的音頻入口。

2、語音轉文字。使用 Qwen3-ASR-1.7B 模型做 GPU 推理，後端支持 Intel XPU、NVIDIA CUDA、Apple MPS 三種，也就是 Intel 顯卡、NVIDIA 顯卡和 Apple 芯片都能跑。

3、精煉版整理。轉錄完成後由 AI 做一輪整理，包括按話題分章、清理口語表達、按信息層級組織內容，以及用表格或列表承載結構化信息。

平臺方面，官方說明兼容 Windows / macOS / Linux，並會自動檢測當前系統做適配。標籤裏 requires_api_key=false，說明按作者描述不需要額外申請 API Key。

安裝與啓用¶

官方頁面給出的信息是座標、版本、分類和簡介，沒有列出具體的安裝命令、目錄路徑或配置字段，本文不臆造。拿到的是 SkillHub 頁面：

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

以及對應的接口地址：

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

按 SkillHub 上 coordinates 的寫法，啓用時認準 @user_1eeb7312/audio-transcription-v 這個座標即可，其餘安裝步驟以官方頁面當時的說明爲準。

典型用法¶

這個 Skill 的觸發詞包括：轉錄、語音轉文字、ASR、音頻轉錄、B站轉錄、錄音整理、精煉版、Qwen3-ASR、音頻下載、播客轉錄、會議錄音整理。

用法示意：在對話裏說明音頻來源，帶上觸發詞，讓 Skill 走完下載、轉錄、整理三步。例如針對 B 站視頻：

把這條 B 站視頻的音頻取下來，轉錄並給出一份精煉版：
https://www.bilibili.com/video/BVxxxx

針對本地會議錄音：

轉錄這個會議錄音文件，整理成精煉版，分章節並清理口語。

針對播客或網盤分享：

播客轉錄，這是網盤分享鏈接，出一份帶話題分章的精煉版。

上面是按官方簡介的觸發詞和能力範圍給出的用法示意，具體參數和輸出格式以 Skill 實際執行結果爲準。

適用場景與注意¶

適合這幾類情況：內容創作者要把播客或視頻音頻變成可讀文本；團隊要把會議錄音整理成紀要；需要把一段長音頻按話題切分、再抽取結構化信息的場景。如果只是偶爾轉一句話，爲它單獨跑 GPU 推理並不划算。

需要注意的幾點：

1、GPU 推理依賴可用的加速後端。Intel XPU、NVIDIA CUDA、Apple MPS 三種後端之外的機器（比如純 CPU 環境）能否運行、性能如何，官方簡介裏沒有說明，使用前要自行確認。

2、B 站視頻和網盤分享能否下載成功，取決於對應平臺的訪問限制和鏈接有效性，不是 Skill 本身能保證的。

3、整理階段產出的分章和信息分層屬於模型輸出，重要內容仍建議人工複覈後再對外使用。

4、版本目前是 1.0.0，後續接口和行爲可能有變化，以官方頁面爲準。

小結¶

audio-transcription-skill 的價值在於把「下載音頻 → Qwen3-ASR 轉錄 → 精煉版整理」收斂成一次調用，並把 Intel XPU / NVIDIA CUDA / Apple MPS 三種 GPU 後端和 Windows / macOS / Linux 三個平臺的差異包在裏面。對經常處理音頻轉寫的人來說，省的是拼裝工具和調後端的時間。

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