Dlazy Elevenlabs Stt
基于ElevenLabs的高精度语音转文字工具，支持多语言识别和说话人分离。
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：基于ElevenLabs的高精度语音转文字工具，支持多语言识别和说话人分离。 完整的 Skill 内容见：https://321skill.com/skills/dlazy-elevenlabs-stt-x/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
‘请帮我把这段产品发布会的录音转换成带时间戳的文字稿，并区分开主持人和嘉宾的发言。’，它会调用该Skill处理音频文件，自动检测语言并尝试分离不同说话人，最终生成一份结构清晰、带有说话人标签的会议转录文本，方便你快速整理核心内容。
介绍
Dlazy Elevenlabs Stt 是一个专注于将语音内容转换为文字的工具。它解决了在会议记录、视频字幕制作、访谈转录等场景下，手动记录效率低下、容易出错的问题。通过调用 ElevenLabs 的 scribe_v1 模型，它能自动识别音频中的语言，并可选地分离不同说话人的声音，生成结构清晰的文本。
使用时，您只需提供音频文件或流，该工具便能快速返回转录文本。其核心在于自动语言检测功能，无需预先指定语种，简化了操作流程。同时，说话人分离选项能帮助区分对话中的不同参与者，使生成的会议纪要或字幕更具可读性。
该工具非常适合需要处理多语言音频内容的内容创作者、学术研究者、项目经理以及客服人员。无论是为多语种视频添加字幕，还是整理国际会议的录音，或是分析客户服务通话记录，它都能显著提升工作效率。
建议在使用前确保音频质量清晰，以获得最佳的转录准确率。对于包含大量专业术语或背景噪音较重的音频，可能需要后期进行人工校对。此外，请注意其依赖外部API服务，需考虑网络连接和可能的服务调用成本。
核心特点
核心区别在于集成了ElevenLabs先进的scribe_v1模型，提供高精度的自动语言检测，无需手动指定语种；并且原生支持可选的说话人分离功能，能有效区分对话中的不同角色，特别适合会议、访谈等多方对话场景的转录。
注意事项
不适合处理实时性要求极高的流媒体直播字幕生成，或对完全离线、本地部署有强制要求的场景。
常见问题
支持哪些语言？
支持多种语言的自动检测，具体覆盖范围取决于ElevenLabs scribe_v1模型的能力，通常包括主流语言如英语、中文、西班牙语等。
说话人分离准确吗？
在音频清晰、说话人音色差异明显的条件下准确率较高，但对于音色相近或多人快速交叉对话的场景，可能仍需人工辅助区分。
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/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/raw/index.md（查看排版版本）