turbo-whisper-local-stt

介绍

【解决什么问题】您是否经常需要将会议录音、采访语音、语音笔记等音频文件转为文字，又担心上传云端导致隐私泄露？本 Skill 基于 Faster-Whisper 大模型，在您的本地设备上直接完成音频转写，无需联网，数据不会离开您的电脑，完全保障隐私安全。特别针对中文长音频进行了优化，内置 VAD（语音活动检测）自动分段，即使一小时以上的会议录音也能准确识别并生成带时间戳的结构化文本。

【怎么用】使用非常简单：您只需提供一个音频文件（wav/mp3/m4a 等常见格式）或包含多个音频的文件夹路径，Skill 会自动调用本地模型进行转写。首次运行会自动下载 large-v3-ct2 等模型（约 2-3GB），之后离线使用。输出结果包含完整文本、按语意分段后的文本列表以及每段对应的时间戳，便于后续整理会议纪要、生成字幕或做语音分析。

【适合谁】如果您是内容创作者（播客/视频字幕制作）、学术研究者（访谈录音转文字）、视频剪辑师、翻译人员、学生（课堂录音整理）或任何需要频繁处理音频转文字且注重隐私的用户，这个 Skill 将大幅提升您的效率。

【使用建议】建议在配备独立显卡（NVIDIA GPU，至少 4GB 显存）的电脑上运行以获得最佳速度；CPU 也可运行但较慢。支持单个大文件（数小时）和批量文件夹处理。注意：本 Skill 只处理音频文件，如果您提供视频或图片，不会触发任何操作。如果您需要将视频中的音频提取出来，请先使用其他工具分离音频轨道。