tomevault-io 音訊轉繁中逐字稿 Skill
使用 Gemini Interactions API 的原生音訊理解能力，將音訊檔案轉錄為繁體中文逐字稿。支援本機檔案與遠端 URL，當偵測到多位說話者時會自動標記區分。輸出的逐字稿可搭配 meeting-note-formatter skill 進一步整理為結構化會議紀錄。
需求條件
GEMINI_API_KEY環境變數必須設定- 有效的遠端音訊 URL、data URI 或可讀取的本機音訊檔案
- Node.js >= 20.0.0
- 支援格式：
.mp3、.wav、.ogg、.flac、.m4a、.aac、.webm、.wma
使用方式
直接執行預建腳本 — 不需要 npm install 或額外設定：
node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js <audio-path-or-url>
範例
遠端 URL：
GEMINI_API_KEY=your_api_key node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "https://example.com/audio/meeting.mp3"
本機檔案：
GEMINI_API_KEY=your_api_key node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "./recordings/meeting.m4a"
搭配 meeting-note-formatter 使用：
# 先轉錄音訊
GEMINI_API_KEY=your_api_key node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "recording.mp3" > transcript.md
# 再用 meeting-note-formatter 整理成會議紀錄
Dry Run
設定 AUDIO_TRANSCRIBER_DRY_RUN=1 可在不呼叫 Gemini API 的情況下，預覽輸入解析結果：
AUDIO_TRANSCRIBER_DRY_RUN=1 node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "https://example.com/test.mp3"
輸出範例：
{
"source": "remote-url",
"mimeType": "audio/mpeg",
"localPath": null,
"uriPreview": "data:audio/mpeg;base64,..."
}
輸出格式
- 輸出為繁體中文 Markdown 格式的逐字稿
- 多位說話者時使用「說話者 A」「說話者 B」等標記區分
- 無法辨識的片段標記為「[無法辨識]」
- 結果輸出至 stdout，進度與錯誤訊息輸出至 stderr
Instructions for the Agent
⚠️ skill 腳本位於 repo 根目錄。若 cwd 不在 repo root，先獨立執行 git rev-parse --show-toplevel 取得路徑，再 cd 到該路徑後執行。禁止使用 $(...) 語法。
- 向使用者取得音訊檔案的 URL 或本機路徑（如果尚未提供）。
- 確認環境中已設定
GEMINI_API_KEY。 - 執行轉錄腳本：
node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "<audio-path-or-url>" - 如果輸入是本機檔案路徑或
file://URL，腳本會自動轉換為 Base64 data URI。 - 將生成的逐字稿呈現給使用者。
- 如果使用者需要進一步整理為會議紀錄，建議搭配
meeting-note-formatterskill 處理轉錄結果。 - 如果腳本以非零狀態碼退出，將錯誤訊息回報給使用者。
限制
- 音訊檔案大小受 Gemini API 限制（建議不超過 20MB）
- 遠端 URL 下載有 30 秒逾時限制
- 轉錄品質取決於音訊清晰度與語言
- 主要針對中文語音最佳化，其他語言仍會嘗試轉錄為繁體中文
錯誤處理
- 缺少
GEMINI_API_KEY時，腳本以狀態碼 1 退出並顯示錯誤訊息。 - 缺少音訊輸入或格式無效時，腳本以狀態碼 1 退出並顯示用法說明。
- 無法讀取本機檔案時，腳本以狀態碼 1 退出並回報路徑相關錯誤。
- 遠端 URL 下載逾時或失敗時，腳本以狀態碼 1 退出並回報網路錯誤。
- API 錯誤訊息輸出至 stderr，程序以狀態碼 1 退出。
重新建置
如需修改腳本，編輯 src/transcribe.js 後重新建置：
cd .agents/skills/gemini-audio-transcriber
bun install
bun build src/transcribe.js --outfile scripts/transcribe.js --target node --minify
Source: duotify/GitHubClawToolkit — distributed by TomeVault.