slug: openai-whisper name: openai-whisper version: 1.0.1 displayName: llm-provider Whisper summary: '用Whisper CLI本地语音转文字,免API Key。Local speech-to-text with the Whisper CLI (no API key)。核心能力: - 创意设' summary_zh: '用Whisper CLI本地语音转文字,免API Key。Local speech-to-text with the Whisper CLI (no API key)。核心能力: - 创意设' license: MIT description: |- 功能涵盖:。Use when 需要API集成、接口对接、Webhook配置、系统连接时使用。不适用于逆向工程闭源API。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互，无需复杂配置即开即用。输出结果可直接使用，减少二次加工成本。提供结构化输出和错误处理机制。支持多场景应用和灵活配置。 功能涵盖: openai。 \nLocal speech-to-text with the Whisper CLI (no API key)。核心能力:\n\n- 创意设计领域的专业化AI辅助工具\n
\n- \n\n- \n\n适用场景:\n\n- 内容创作、设计生成、多媒体制作\n\n- 独立开发者与一人公司效率提升\n\n- 自动化工..." tags:

• Creative
• 工具
• 效率
• api
• whisper
• key tools:
• read
• exec
• write homepage: '' category: Automation

核心功能: 本技能提供中文交互、化工作流场景等能力。

核心功能: 本技能提供、多媒体制作等能力。

llm-provider Whisper

专业版增强能力

主要能力

• Local speech-to-text with the Whisper CLI (no API key)

启动指引

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

应用场景

不适用于：需要人工判断的复杂决策场景

操作步骤

1. 确认运行环境满足依赖说明中的要求
2. 根据适用场景选择合适的使用方式
3. 执行操作并检查输出结果
4. 如遇错误，参考错误处理章节

请求格式

响应格式

{
  "success": true,
  "data": {
    "result": "处理结果",
    "status": "success",
    "metadata": {
    "metadata": {
      "template_used": "reviewer",
      "word_count": 0,
      "style": "专业"
    }
  },
  "error": null
}

输出模板参考: assets/output.json

异常管理

安装与配置

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent(ai-assistant Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux

依赖说明(补充)

API Key 配置

可用性分类

• 分类: MD+execute()
• 说明: 基于Markdown的AI Skill,

API Key配置方式:

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

错误恢复方案

限制条件

• 需要API Key，无Key环境无法使用
• 本地运行，不支持多设备同步

常见问题FAQ

Q1: llm-provider Whisper支持哪些语音格式？

A: llm-provider Whisper支持多种音频格式，包括MP3、WAV、M4A等，确保音频质量良好，以便获得更准确的转录结果。

Q2: 如何处理转录结果中的错误？

A: 可以通过Whisper CLI的参数调整来提高转录准确性，例如使用--model tiny来选择更小的模型以加快处理速度，或者使用--language参数指定更精确的语言模型。

Q3: llm-provider Whisper是否支持多语言转录？

A: 是的，llm-provider Whisper支持多种语言的转录，你可以在启动转录时指定所需的--language参数。

Q4: 如何在命令行中启动Whisper转录？

A: 使用以下命令启动Whisper转录：

whisper input_audio_file --output output_text_file

其中input_audio_file是音频文件的路径，output_text_file是输出文本文件的路径。

Q5: llm-provider Whisper的转录速度如何？

A: 转录速度取决于音频文件的大小和所选模型的大小。一般来说，使用较大的模型（如base或large）可以获得更快的转录速度，但处理时间会更长。

安全说明

创新亮点

功能介绍

• 自动化执行: 用Whisper CLI本地语音转文字,免API Key。Local speech-to-text with the W
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

量化评估

优势分析

异常处理体系

针对llm-provider Whisper使用中可能遇到的常见问题,提供以下排查方案:

llm-provider Whisper通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

安装向导

1. 配置API密钥: 在环境变量中设置对应的API Key
2. 初始化连接: 使用提供的凭证建立API连接
3. 调用接口: 传入必要参数执行API调用
4. 准备文件: 确认文件路径正确且格式受支持
5. 执行处理: 调用对应的处理函数
6. 查看结果: 检查输出文件或返回数据
7. 检查环境: 确认运行时和依赖已安装
8. 执行命令: 使用正确的参数格式执行
9. 查看输出: 检查命令输出和退出码

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

适用边界

• 极端边界输入可能影响输出质量,建议对异常输入做预校验
• 外部API服务可用性影响功能稳定性,建议实现重试和降级机制
• 模型推理耗时与输入长度正相关,超长输入需考虑分段处理
• 文件路径需使用合法字符,避免特殊字符导致路径解析异常
• 不同操作系统的命令行参数可能存在差异,需做平台适配