How do I install the Asr skill?

Run npx skillmds@latest add hwj123hwj/asr in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Asr?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

hwj123hwj (@hwj123hwj) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Asr by hwj123hwj — Agent Skill

Name: Asr
Author: hwj123hwj

Asr

Unified ASR (Speech Recognition) skill with pluggable providers (strategy pattern). Supports: SiliconFlow (TeleAI/TeleSpeechASR). Use for transcribing audio/video files to text. Trigger: "转录", "识别语音", "语音转文字", "ASR", "transcribe", "语音识别". Auto-extracts audio from video files via ffmpeg.

hwj123hwj 938cf30 6 files · 12.3 KB Updated Sep 17, 2026

File contents

ASR — 语音识别技能

统一语音识别技能，基于策略模式，支持多个 ASR 后端切换。

脚本

脚本	用途
`scripts/transcribe.py`	统一转录入口（自动从视频提取音频）

用法

# 转录视频文件（自动提取音频）
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4

# 转录音频文件
python3 ${SKILL_DIR}/scripts/transcribe.py audio.wav

# 指定语言
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --language en

# JSON 输出
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --json

# 指定 provider
python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --provider siliconflow

参数

参数	说明	默认值
`input`	音频/视频文件路径（必填）	-
`--language`, `-l`	语言代码（zh, en, ja, auto）	zh
`--provider`, `-p`	ASR 后端	从 .env 读取
`--json`, `-j`	JSON 格式输出	关

Provider 切换

方式 1：修改 .env（永久切换）

编辑 ${SKILL_DIR}/.env：

DEFAULT_ASR_PROVIDER=siliconflow

方式 2：命令行参数（单次覆盖）

python3 transcribe.py video.mp4 --provider siliconflow

方式 3：新增 Provider

在 scripts/providers/ 下新建 xxx_provider.py
继承 ASRProvider，实现 transcribe() 方法
在 registry.py 的 PROVIDERS 字典中注册

API Key 配置

SiliconFlow

读取优先级：

环境变量 SILICONFLOW_API_KEY
${SKILL_DIR}/.env 中的 SILICONFLOW_API_KEY=...

支持的音频/视频格式

音频：wav, mp3, m4a, aac, flac, ogg 视频：mp4, mkv, mov, avi, webm（自动提取音频）

依赖

Python 3（标准库，无需额外安装）
ffmpeg（用于从视频提取音频）

---name: asrdescription: Unified ASR (Speech Recognition) skill with pluggable providers (strategy pattern). Supports: SiliconFlow (TeleAI/TeleSpeechASR). Use for transcribing audio/video files to text. Trigger: "转录", "识别语音", "语音转文字", "ASR", "transcribe", "语音识别". Auto-extracts audio from video files via ffmpeg.---# ASR — 语音识别技能统一语音识别技能，基于策略模式，支持多个 ASR 后端切换。## 脚本| 脚本 | 用途 ||------|------|| `scripts/transcribe.py` | 统一转录入口（自动从视频提取音频） |## 用法```bash# 转录视频文件（自动提取音频）python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4# 转录音频文件python3 ${SKILL_DIR}/scripts/transcribe.py audio.wav# 指定语言python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --language en# JSON 输出python3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --json# 指定 providerpython3 ${SKILL_DIR}/scripts/transcribe.py video.mp4 --provider siliconflow```## 参数| 参数 | 说明 | 默认值 ||------|------|--------|| `input` | 音频/视频文件路径（必填） | - || `--language`, `-l` | 语言代码（zh, en, ja, auto） | zh || `--provider`, `-p` | ASR 后端 | 从 .env 读取 || `--json`, `-j` | JSON 格式输出 | 关 |## Provider 切换### 方式 1：修改 .env（永久切换）编辑 `${SKILL_DIR}/.env`：```DEFAULT_ASR_PROVIDER=siliconflow```### 方式 2：命令行参数（单次覆盖）```bashpython3 transcribe.py video.mp4 --provider siliconflow```### 方式 3：新增 Provider1. 在 `scripts/providers/` 下新建 `xxx_provider.py`2. 继承 `ASRProvider`，实现 `transcribe()` 方法3. 在 `registry.py` 的 `PROVIDERS` 字典中注册## API Key 配置### SiliconFlow读取优先级：1. 环境变量 `SILICONFLOW_API_KEY`2. `${SKILL_DIR}/.env` 中的 `SILICONFLOW_API_KEY=...`## 支持的音频/视频格式**音频**：wav, mp3, m4a, aac, flac, ogg**视频**：mp4, mkv, mov, avi, webm（自动提取音频）## 依赖- Python 3（标准库，无需额外安装）- ffmpeg（用于从视频提取音频）

Frequently asked questions

Asr