turbo-whisper-local-stt

介绍

你是否经常需要把会议录音、访谈音频、语音笔记或视频中的对话转成文字？传统在线转录服务不仅依赖网络，还可能涉及隐私泄露风险。本 Skill 基于 Faster-Whisper（large-v3-ct2 等模型）在本地完成音频转文字，完全离线运行，确保数据安全。它内置 VAD 语音活动检测，自动将长音频分段，输出带时间戳的完整文本和分段结果，中文识别效果优先优化。

使用非常简单：直接提供音频文件（支持 wav/mp3/m4a 等常见格式）或包含音频文件的文件夹，Skill 会自动识别并触发转录。你无需配置复杂参数，只要说出“把这段录音转成文字”或“转录这个文件夹里的音频”，它就会开始处理。处理完成后，你会得到结构化结果，包括完整的全文、按语义分段的内容以及每个片段的起止时间戳，方便后续编辑或生成字幕。

本 Skill 特别适合需要频繁处理中文音频的用户，比如内容创作者（录制播客、采访）、学术研究者（访谈录音整理）、视频剪辑师（提取字幕）以及需要本地隐私保护的商务人士。如果你经常参加长会议、需要整理会议纪要，或者想从大量录音中快速提取文字信息，这个工具能大幅提升效率。

使用建议：为确保最佳效果，建议音频质量清晰、背景噪音较少；对于极长音频（数小时），VAD 分段可能会消耗一定时间，但整体准确率会更高。注意本 Skill 仅处理音频文件，如果你有视频文件，需要先提取音频轨道再使用。另外，首次运行会自动下载模型（约 2-3GB），请确保有足够磁盘空间和网络用于模型下载，后续完全离线。