Dlazy Elevenlabs Stt
支持自动语言检测和说话人分离的高质量语音转文字工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Dlazy Elevenlabs Stt。 它的用途是：支持自动语言检测和说话人分离的高质量语音转文字工具。 完整的 Skill 内容见：https://321skill.com/skills/dlazy-elevenlabs-stt-x-5/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请将‘meeting_recording.mp3’这段会议录音转换成文字，并区分开每个发言的人。”，它会调用 ElevenLabs 的 STT 服务，自动检测语言，进行说话人分离，最终生成一份带有时间戳和说话人标签（如‘Speaker A:’）的完整文字记录，方便您快速整理会议要点和行动项。
介绍
本工具旨在解决音频内容高效、准确地转化为结构化文字的问题。它基于 ElevenLabs 的 scribe_v1 模型，能够自动识别音频中的语言，并可选地将不同说话人的语音进行区分（说话人分离），从而将会议录音、访谈、播客或视频中的语音内容快速生成文字稿。
使用时，您只需提供音频文件路径，工具便会调用 ElevenLabs 的 API 进行处理。您可以根据需要开启或关闭说话人分离功能，处理完成后会获得包含时间戳和说话人标签（如开启）的文本文件，格式清晰，便于后续编辑。
它非常适合需要处理大量音频转录工作的内容创作者、学术研究者、项目经理以及客服人员。无论是制作视频字幕、整理会议纪要，还是分析访谈内容，都能显著提升效率。
建议在使用前确保音频质量清晰，以获得最佳识别效果。由于依赖外部 API，请合理规划使用量以控制成本，并注意处理包含隐私或敏感信息的音频时需遵守相关规定。
核心特点
核心区别在于集成了 ElevenLabs 业界领先的 scribe_v1 模型，在语音识别准确度和多语言支持上表现优异，并且原生提供了可选的说话人分离功能，无需额外集成其他工具即可区分对话中的不同角色。
注意事项
不适合处理背景噪音过大、多人同时说话重叠严重或音频质量极差的录音场景。
常见问题
支持哪些语言？
支持多种语言，并能自动检测音频中的语言类型。
说话人分离准确吗？
在对话清晰、说话人音色差异明显的场景下准确度较高，但对于音色相近或多人快速交替的对话可能存在误差。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/dlazy-elevenlabs-stt-x-5/raw/index.md 读取 Dlazy Elevenlabs Stt 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/dlazy-elevenlabs-stt-x-5/raw/index.md（查看排版版本）