How do I install the Baidu Speech To Text skill?

Run npx skillmds@latest add tomevault-io/baidu-speech-to-text 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.

Is Baidu Speech To Text safe to use?

This skill has not completed SkillMD's automated safety review yet. Independent scanners report: SkillSpector: PASS, Skill Scanner: PASS. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Baidu Speech To Text?

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.

Is Baidu Speech To Text free to use?

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

Who published Baidu Speech To Text?

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

Baidu Speech To Text by tomevault-io

Name: Baidu Speech To Text
Author: tomevault-io

Baidu Speech To Text

百度语音识别 - 将语音消息转换为文本。支持中文普通话、英语、粤语、四川话。专为国内服务器环境优化，自动绕过代理访问百度 API。 Use when this capability is needed.

tomevault-io Updated Sep 17, 2026

File contents

百度语音识别 - 音频转文本

概述

本 skill 用于将用户发送的语音消息（ogg/opus 格式）转换为文本。使用百度语音识别 API，专为国内服务器 + 代理环境优化。

环境背景

问题场景

国内服务器通过 proxychains4 代理访问海外服务（Discord、WhatsApp 等）
但百度 API 是国内服务，通过代理访问反而会失败（SSL 错误）
需要在代理环境下选择性绕过百度 API

解决方案

使用 wrapper 脚本，通过 unset LD_PRELOAD 绕过 proxychains 注入
脚本内部清除代理环境变量，确保直连百度 API

脚本文件

脚本	路径	用途
`ogg_to_text.sh`	`/root/.openclaw/workspace/scripts/ogg_to_text.sh`	推荐 - 简单易用
`speech_to_text.sh`	`/root/.openclaw/workspace/scripts/speech_to_text.sh`	完整功能版
`baidu_speech_to_text.py`	`/root/.openclaw/workspace/scripts/baidu_speech_to_text.py`	Python 主脚本

使用方法

基本用法（中文普通话）

/root/.openclaw/workspace/scripts/ogg_to_text.sh <音频文件路径>

示例

# 转换用户语音消息
/root/.openclaw/workspace/scripts/ogg_to_text.sh /root/.openclaw/media/inbound/xxxxx.ogg

支持的语言

参数	语言
`--lang zh`	中文普通话（默认）
`--lang en`	英语
`--lang cantonese`	粤语
`--lang sichuan`	四川话

使用极速版（更快，仅中文）

/root/.openclaw/workspace/scripts/speech_to_text.sh <音频文件> --pro

音频文件位置

用户通过 WhatsApp/Discord 发送的语音消息保存在：

/root/.openclaw/media/inbound/

文件格式通常为 .ogg（Opus 编码），脚本会自动转换为 PCM 格式。

工作流程

当用户发送语音消息并请求转文本时：

确定语音文件路径（/root/.openclaw/media/inbound/*.ogg）

执行转换：

/root/.openclaw/workspace/scripts/ogg_to_text.sh /root/.openclaw/media/inbound/<文件名>.ogg

返回识别结果给用户

性能参考

阶段	耗时	说明
获取 token	~100ms	可缓存优化
ogg 转 pcm	~150-220ms	ffmpeg 转换
API 调用	~400-600ms	主要耗时
总计	~700-1000ms

API 配置

使用环境变量提供百度 API 账号信息（请勿写入仓库）：

export BAIDU_APP_ID="your_app_id"
export BAIDU_API_KEY="your_api_key"
export BAIDU_SECRET_KEY="your_secret_key"

端点：

http://vop.baidu.com/server_api (标准版)
https://vop.baidu.com/pro_api (极速版)

错误处理

错误	原因	解决方案
SSL 错误	代理影响	确保使用 wrapper 脚本（.sh），不要直接调用 Python
识别结果为空	静音或无语音	告知用户音频可能没有语音内容
3301 错误	音频质量差	请用户重新录制
3303 错误	语音过长	需要分段处理

注意事项

必须使用 shell wrapper 脚本，不要直接调用 Python 脚本
脚本已内置代理绕过逻辑，在 proxychains 环境下可正常工作
短语音识别限制约 60 秒，超长音频需分段

Converted and distributed by TomeVault — claim your Tome and manage your conversions.

---name: baidu-speech-to-textdescription: 百度语音识别 - 将语音消息转换为文本。支持中文普通话、英语、粤语、四川话。专为国内服务器环境优化，自动绕过代理访问百度 API。 Use when this capability is needed.---# 百度语音识别 - 音频转文本## 概述本 skill 用于将用户发送的语音消息（ogg/opus 格式）转换为文本。使用百度语音识别 API，专为**国内服务器 + 代理环境**优化。## 环境背景### 问题场景- **国内服务器**通过 `proxychains4` 代理访问海外服务（Discord、WhatsApp 等）- 但**百度 API 是国内服务**，通过代理访问反而会失败（SSL 错误）- 需要在代理环境下**选择性绕过**百度 API### 解决方案- 使用 wrapper 脚本，通过 `unset LD_PRELOAD` 绕过 proxychains 注入- 脚本内部清除代理环境变量，确保直连百度 API## 脚本文件| 脚本 | 路径 | 用途 ||------|------|------|| `ogg_to_text.sh` | `/root/.openclaw/workspace/scripts/ogg_to_text.sh` | **推荐** - 简单易用 || `speech_to_text.sh` | `/root/.openclaw/workspace/scripts/speech_to_text.sh` | 完整功能版 || `baidu_speech_to_text.py` | `/root/.openclaw/workspace/scripts/baidu_speech_to_text.py` | Python 主脚本 |## 使用方法### 基本用法（中文普通话）```bash/root/.openclaw/workspace/scripts/ogg_to_text.sh <音频文件路径>```### 示例```bash# 转换用户语音消息/root/.openclaw/workspace/scripts/ogg_to_text.sh /root/.openclaw/media/inbound/xxxxx.ogg```### 支持的语言| 参数 | 语言 ||------|------|| `--lang zh` | 中文普通话（默认）|| `--lang en` | 英语 || `--lang cantonese` | 粤语 || `--lang sichuan` | 四川话 |### 使用极速版（更快，仅中文）```bash/root/.openclaw/workspace/scripts/speech_to_text.sh <音频文件> --pro```## 音频文件位置用户通过 WhatsApp/Discord 发送的语音消息保存在：```/root/.openclaw/media/inbound/```文件格式通常为 `.ogg`（Opus 编码），脚本会自动转换为 PCM 格式。## 工作流程当用户发送语音消息并请求转文本时：1. 确定语音文件路径（`/root/.openclaw/media/inbound/*.ogg`）2. 执行转换： ```bash /root/.openclaw/workspace/scripts/ogg_to_text.sh /root/.openclaw/media/inbound/<文件名>.ogg ```3. 返回识别结果给用户## 性能参考| 阶段 | 耗时 | 说明 ||------|------|------|| 获取 token | ~100ms | 可缓存优化 || ogg 转 pcm | ~150-220ms | ffmpeg 转换 || API 调用 | ~400-600ms | **主要耗时** || **总计** | **~700-1000ms** | |## API 配置使用环境变量提供百度 API 账号信息（请勿写入仓库）：```export BAIDU_APP_ID="your_app_id"export BAIDU_API_KEY="your_api_key"export BAIDU_SECRET_KEY="your_secret_key"```端点：- http://vop.baidu.com/server_api (标准版)- https://vop.baidu.com/pro_api (极速版)## 错误处理| 错误 | 原因 | 解决方案 ||------|------|---------|| SSL 错误 | 代理影响 | 确保使用 wrapper 脚本（.sh），不要直接调用 Python || 识别结果为空 | 静音或无语音 | 告知用户音频可能没有语音内容 || 3301 错误 | 音频质量差 | 请用户重新录制 || 3303 错误 | 语音过长 | 需要分段处理 |## 注意事项1. **必须使用 shell wrapper 脚本**，不要直接调用 Python 脚本2. 脚本已内置代理绕过逻辑，在 proxychains 环境下可正常工作3. 短语音识别限制约 60 秒，超长音频需分段---> Converted and distributed by [TomeVault](https://tomevault.io/claim/castle-x) — claim your Tome and manage your conversions.

Frequently asked questions