turbo-whisper-local-stt
本地离线、中文优先的音频转文字工具
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：turbo-whisper-local-stt。 它的用途是：本地离线、中文优先的音频转文字工具 完整的 Skill 内容见：https://321skill.com/skills/turbo-whisper-local-stt-x-3/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
'请帮我转录这段会议录音，输出带时间戳的完整文本。' 它会自动调用本地Whisper模型，将音频文件转写成文字，返回包含每段起止时间的结构化文本。你也可以说：'把data文件夹里所有mp3录音转成文字，生成一个汇总文件。' 它会批量处理整个文件夹并输出合并结果。
介绍
本技能解决用户需要将音频文件（如会议录音、访谈、语音笔记、视频原声等）快速转写成文字的需求，尤其适合中文长音频场景。它完全离线运行，无需联网，保护隐私安全，避免敏感数据上传云端。
使用时，只需向AI提供音频文件（支持wav/mp3/m4a等常见格式，也支持整个音频文件夹），技能会自动调用本地Faster-Whisper模型（large-v3-ct2等）进行高性能转写。内置VAD（语音活动检测）分段机制，专为长音频优化，最终输出结构化结果：完整文本、分段文本及对应时间戳。
适合需要频繁转录会议录音、访谈记录、视频字幕的内容创作者、视频剪辑师、学术研究者，以及任何注重隐私希望本地处理音频的用户。
注意：本技能仅处理音频文件或音频文件夹，不处理视频、图片、纯文本等其他文件。建议长音频（超过30分钟）开启VAD分段以获得更准确的时间戳。首次使用会自动下载模型（约2-3GB），请确保有足够磁盘空间。
核心特点
与同类音频转写技能相比，本技能完全离线运行、隐私安全，且内置中文优先的Faster-Whisper模型，针对长音频做了VAD分段优化，输出完整文本+分段+时间戳，无需任何第三方API。
注意事项
仅处理音频文件或音频文件夹，不能处理视频、图片、纯文本等非音频文件，且首次使用需下载较大模型文件。
常见问题
支持哪些音频格式？
支持wav、mp3、m4a等常见格式，也可以传入整个音频文件夹批量处理。
需要联网吗？
不需要，完全离线运行，保护隐私。首次使用会自动下载模型，后续全离线。
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/turbo-whisper-local-stt-x-3/raw/index.md 读取 turbo-whisper-local-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/turbo-whisper-local-stt-x-3/raw/index.md（查看排版版本）