# Asr Written Rewriter Stream

> 将分段 asr 文本流在结束时统一整理成流畅书面语，并在用户指定 target_language 时输出译文。适用于语音听写、会议转写、采访整理、播客或视频字幕后处理等场景，尤其适合不需要实时字幕、只需要在整段结束后得到最终书面结果的任务。保持接口抽象、可替换，不绑定任何特定厂商 api。

- Skill: `dvcrn/asr-written-rewriter-stream` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add dvcrn/asr-written-rewriter-stream`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/asr-written-rewriter-stream/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Integrations & APIs
- Author: dvcrn (https://skillmd.com/u/dvcrn)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/dvcrn/asr-written-rewriter-stream

---


# ASR 结束后统一转书面语

## 概述

接收分段 ASR 文本流，但**不要实时输出字幕**，而是在检测到整段结束、会话结束、录音结束或调用方显式提交结束信号后，再将累计文本一次性整理成流畅书面语。

默认不翻译。只有在显式提供 `target_language` 时，才对最终书面结果进行翻译。

此 Skill 适用于：
- 会议发言结束后统一整理
- 采访录音结束后整理为可读文本
- 播客/视频整段转写后的书面化处理
- 语音输入结束后再统一润色

## 核心行为

采用**单次最终输出**模型：

1. 持续接收分段 ASR 文本流
2. 将各分段合并到同一缓冲区
3. 在结束信号到来前，不输出面向用户的临时字幕或中间结果
4. 在结束时，对整段文本统一去口语化、补断句、修正重复和自我修正
5. 输出一版流畅、完整的书面语结果
6. 如提供 `target_language`，则输出目标语言结果；除非调用方明确要求，否则不同时返回原文和译文

## 结束判定规则

只有在满足以下任一条件时，才进入最终整理阶段：
- 上游显式传入结束信号，例如 `is_session_final`、`end_of_stream`、`commit=true`
- 调用方明确表示“结束”“停止”“提交本段”
- 音频或识别流已经结束
- 上游系统给出整段 final 标记

不要仅因为一个句号、一次停顿或一句话结束，就提前输出最终结果。

## 输入约定

概念上可接收以下输入：
- `chunk_text`：最新 ASR 分段文本
- `recent_context`：可选，最近缓冲区或已累计文本
- `domain_lexicon`：可选，领域词库，用于人名、产品名、术语、缩写的稳定化
- `target_language`：可选，目标语言代码或语言名
- `is_session_final` / `end_of_stream` / `commit`：可选，结束信号
- `timestamps`：可选，时间戳元数据

不要要求调用方必须使用某个固定字段名。接受语义等价字段。

## 输出约定

默认只输出**最终结果**，不要输出中间过程。

### 未结束时
- 不返回面向用户的正式内容
- 如调用方需要，可仅返回“继续接收中”这一类内部状态，但不要生成临时字幕

### 结束时
- 输出整段整理后的书面语
- 若设置 `target_language`，则输出翻译后的最终结果
- 除非调用方明确要求结构化数据，否则直接返回最终文本本身

## 书面化改写规则

在最终整理时：
- 改写成自然、流畅、可直接阅读的书面语
- 删除语气词、口头禅、明显重复、自我修正、断裂表达
- 保留原意、语气、问题/命令/不确定性
- 保留专有名词、数字、时间、事实信息
- 不新增原文没有的信息
- 不写成提纲、要点或总结，除非调用方明确要求
- 优先让整段逻辑顺畅，而不是逐词机械保留

## 翻译规则

只有在 `target_language` 被显式提供时才翻译。

翻译时：
- 先基于最终书面语结果再翻译，不直接翻译原始 ASR 碎片
- 保留人名、数字、专有名词和领域术语
- 如提供领域词库，优先保持术语一致性

## API 抽象层

所有外部能力都应描述为**可替换职责**，不要绑定具体厂商 API、SDK、认证方式或传输协议。

推荐抽象接口：
- `ingest_asr_chunk(...)` —— 接收并归一化新的 ASR 分段
- `append_to_buffer(...)` —— 将分段并入当前整段缓冲区
- `detect_stream_end(...)` —— 判断是否已到整段结束时刻
- `rewrite_to_written(...)` —— 将累计口语内容统一改写为书面语
- `translate_text(...)` —— 当 `target_language` 存在时翻译最终结果
- `commit_final_output(...)` —— 提交最终结果并清空或归档当前缓冲区

不要假设任何固定服务商。

## 建议工作流

1. 接收新的 ASR 分段并做基础归一化。
2. 将分段追加到当前缓冲区。
3. 检查是否收到整段结束信号。
4. 若未结束，继续累计，不输出最终文本。
5. 若已结束，对整个缓冲区执行书面化改写。
6. 若设置了 `target_language`，再对最终书面语做翻译。
7. 输出最终结果。
8. 提交结果并清空当前缓冲区，准备处理下一段。

## 领域词库处理

如果提供 `domain_lexicon`：
- 优先用它稳定专有名词、缩写和术语
- 在上下文支持时，用它纠正同音误识别或 ASR 变体
- 若上下文明显不支持某个术语，不要强行替换

## 示例

### 示例 1：结束前不输出最终结果
输入分段：
- `今天我们先把登录流程跑通`
- `然后再看支付和埋点`

如果尚未收到结束信号：
- 不输出最终书面稿

### 示例 2：结束后统一输出
累计文本：
- `今天我们先把登录流程跑通 然后再看支付和埋点` 
- `嗯如果时间够的话再把告警顺手补一下`

结束后最终结果：
- `今天先完成登录流程，再处理支付和埋点。如果时间允许，再补充告警能力。`

### 示例 3：结束后翻译
若同时设置 `target_language: en`，则输出：
- `Today, we will complete the login flow first, then handle payments and tracking. If time allows, we will also add alerting.`

## 资源使用

需要查看中文接入说明、可替换接口建议和结束式处理流程时，读取 [references/interface-guide-zh.md](references/interface-guide-zh.md)。