dvcrn 讯飞语音转文字 (iFlytek ASR)
使用科大讯飞语音识别 API 将音频文件转换为文本，支持中文方言识别。
功能特性
- ✅ 支持多种音频格式：mp3, wav, pcm, mp4, m4a, aac, ogg, flac, speex, opus, wma
- ✅ 支持 YouTube 视频下载并转文本
- ✅ 文件大小限制：≤500MB
- ✅ 时长限制：≤5小时
- ✅ 自动识别中文方言
- ✅ 自动添加标点符号
前置要求
1. 获取讯飞 API 凭证
- 访问 科大讯飞开放平台
- 注册/登录账号
- 创建应用，选择「语音转写」服务
- 获取凭证：
XFYUN_APP_IDXFYUN_ACCESS_KEY_IDXFYUN_ACCESS_KEY_SECRET
2. 配置环境变量
在 skill 目录下创建 .env 文件：
XFYUN_APP_ID=your_app_id
XFYUN_ACCESS_KEY_ID=your_access_key_id
XFYUN_ACCESS_KEY_SECRET=your_access_key_secret
3. 安装依赖
pip3 install yt-dlp requests python-dotenv
使用方法
转录本地音频
python3 scripts/speech_to_text.py <音频文件路径> [输出文本路径]
示例：
python3 scripts/speech_to_text.py meeting.mp3
python3 scripts/speech_to_text.py recording.wav output.txt
YouTube 视频转文字
python3 scripts/download_and_transcribe.py "YOUTUBE_URL" [保存目录]
示例：
python3 scripts/download_and_transcribe.py "https://www.youtube.com/watch?v=VIDEO_ID" ~/Downloads
仅下载 YouTube 音频
python3 scripts/download_audio.py "YOUTUBE_URL" [保存目录]
对比：讯飞 vs Whisper
| 特性 | 讯飞 ASR | Whisper |
|---|---|---|
| 成本 | API 配额（有免费额度） | 免费 |
| 离线 | ❌ 需要网络 | ✅ 本地运行 |
| 速度 | ⭐⭐⭐⭐⭐ 快 | ⭐⭐⭐ 较慢 |
| 中文准确率 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 标点符号 | ✅ 自动添加 | ❌ 无 |
| 方言支持 | ✅ 支持 | ⭐⭐ 一般 |
建议：
- 重要会议/采访 → 讯飞（准确率高、有标点）
- 日常语音消息 → Whisper（免费、无限制）
API 限制
讯飞免费版：
- 每日调用次数：500 次
- 单次文件大小：≤500MB
- 单次时长：≤5小时
文件结构
iflytek-asr/
├── SKILL.md # 本文档
├── README.md # 详细说明
├── QUICKSTART.md # 快速开始
├── .env.example # 配置模板
├── requirements.txt # Python 依赖
└── scripts/
├── speech_to_text.py # 音频转文字
├── download_audio.py # YouTube 下载
└── download_and_transcribe.py # 下载+转文字
常见问题
Q: 转录失败怎么办？
- 检查 API 凭证是否正确
- 确认文件格式支持
- 检查网络连接
Q: 如何提高准确率？
- 确保音频清晰
- 选择正确的语言/方言
- 避免背景噪音
许可证
MIT License