Audio Transcription Report

Audio Transcription Report

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills

📊 Metadata

FieldValue
File Name{filename}
File Size{file_size}
Duration{duration_hms}
Language{language} ({language_code})
Processed Date{process_date}
Speakers Identified{num_speakers}
Transcription Engine{engine} (model: {model})

📋 Meeting Minutes

Participants

  • {speaker_1}
  • {speaker_2}
  • ...

Topics Discussed

  1. {topic_1}({timestamp})

    • {key_point_1}
    • {key_point_2}
  2. {topic_2}({timestamp})

    • {key_point_1}

Decisions Made

  • ✅ {decision_1}
  • ✅ {decision_2}

Action Items

  • {action_1}- Assigned to: {speaker} - Due: {date_if_mentioned}
  • {action_2}- Assigned to: {speaker}

Generated by audio-transcriber skill v1.0.0Transcription engine: {engine} | Processing time: {elapsed_time}s

### 完整转写段落样式 README 给出了真实形态的输出样例:全文转写部分以 `**[00:00:12 → 00:00:45]** *Speaker 1*` 形式按说话人分段渲染,随后是会议纪要(Participants / Topics Discussed / Decisions Made / Action Items)与 Executive Summary(含 Key Points 与 Next Steps)。 Python 实现中的原始转写文件(`transcript-*.md`)则采用如下格式,时间戳由分段 `start`/`end` 计算为 `MM:SS`: ```markdown # Transcrição de Áudio **Arquivo:** meeting.mp3 **Idioma:** PT **Data:** 2026-02-03 02:30:45 --- ## Transcrição Completa **[00:12 → 00:45]** Good morning everyone. Let's start with updates from the frontend team. **[00:46 → 01:23]** We completed the dashboard redesign and deployed to staging yesterday.

文件名与防覆盖机制

v1.1.0 起改用时间戳命名,彻底解决重复运行覆盖问题(CHANGELOG 中记录为修复项 #5):

TIMESTAMP=$(date +%Y%m%d-%H%M%S) TRANSCRIPT_FILE="transcript-${TIMESTAMP}.md" ATA_FILE="ata-${TIMESTAMP}.md"

Python 侧save_outputs()用datetime.now().strftime("%Y%m%d-%H%M%S")生成时间戳,始终先保存transcript-*.md,若 LLM 生成了纪要则额外保存ata-*.md,且文件写入均通过safe_user_path()校验路径不越出当前工作区(相对路径、expanduser展开后必须以Path.cwd()为前缀,否则抛出ValueError),从源码层面杜绝了路径穿越风险。

LLM 智能摘要工作流

这是 v1.1.0 的核心升级。技能通过detect_cli_tool()按优先级探测 LLM CLI:claude存在则优先,其次检测gh copilot是否可用,两者皆无则退化为纯转写模式(仅输出 transcript,并在结尾提示安装方式)。

Scenario A:用户提供自定义提示词

流程(详细指南 Step 3 与 transcribe.py 的handle_prompt_workflow()对应):

  1. 以 Panel 展示用户原始提示词;
  2. 若检测到~/.copilot/skills/prompt-engineer/SKILL.md存在,自动调用 prompt-engineer 优化提示词(不询问,直接改进);
  3. 并排展示"优化版"与"原版"两份提示词;
  4. 询问💡 Usar versão melhorada? [s/n],默认s;
  5. 按所选版本继续处理。

若 prompt-engineer 不可用,则直接使用用户原始提示词。

Scenario B:无提示词时自动生成

  1. 询问"Gerar prompt automaticamente?"(默认s,选n则跳过 LLM、仅输出 transcript);
  2. 构造 meta-prompt 分析转写文本(取前 4000 字符),要求用 2-3 行建议:内容类型(会议/讲座/访谈)、推荐输出格式(正式纪要/执行摘要/结构化笔记)、推荐框架(RISEN/RODES/STAR 等);
  3. 展示建议并确认格式;
  4. 再让 prompt-engineer 基于建议生成完整结构化提示词;
  5. 预览生成的提示词并最终确认;任何一步被拒绝都回退到内置的DEFAULT_MEETING_PROMPT。

内置回退提示词(DEFAULT_MEETING_PROMPT)是一个完整的 RISEN 风格模板,指定了角色(专业文档化转写员)、指令(识别内容类型、提取主题、识别说话人、提取决策与行动项、组织 Markdown)、步骤与收窄规则(保持客观清晰、保留重要上下文、使用合适的 Markdown、必要时包含时间戳),保证无任何外部依赖时也能产出高质量纪要。

LLM 调用与超时处理

process_with_llm()把prompt + "\n\n---\n\nTranscrição:\n\n" + transcript拼为完整输入:

  • Claude 路径:subprocess.run(['claude', '-'], input=full_prompt, ...),即通过 stdin 管道喂给 Claude CLI;
  • Copilot 路径:['gh', 'copilot', 'suggest', '-t', 'shell', full_prompt];
  • 两者均设 300 秒(5 分钟)超时,失败或超时时打印错误摘要并返回None,主流程随即降级为仅保存 transcript,保证任务不中断。

转写与 LLM 处理全程有可视化反馈:转写分段用tqdm进度条,LLM 处理用rich的SpinnerColumn转圈动画,状态消息按颜色区分(绿=成功、黄=警告、红=错误)。

实际使用:触发短语与三种典型场景

SKILL.md 与 README 共同定义了激活短语:"transcribe audio to markdown"、"transcreva este áudio"、"convert audio file to text"、"extract speech from audio"、"áudio para texto com metadados"(技能原生支持葡萄牙语指令,与示例中的 pt-BR 语言检测相呼应)。

场景一:基础转写

copilot> transcribe audio to markdown: meeting-2026-02-02.mp3

SKILL.md 展示的完整输出流为:引擎与 ffmpeg 检测 → 文件元数据(大小 12.3 MB、时长 00:45:32)→ 处理进度条 → 语言检测(pt-BR)→ 识别 4 位说话人 → 生成 Markdown,最终产出meeting-2026-02-02.md,报告 6842 词、耗时 127s,并给出下一步建议(审阅纪要、分享报告、跟踪行动项)。

场景二:批处理

copilot> transcreva estes áudios: recordings/*.mp3

SKILL.md 的批处理输出显示:先枚举目录内 5 个文件(team-standup、client-call、brainstorm-session、product-demo、retrospective),逐个转写并报告各自耗时,最终汇总"Generated 5 Markdown reports / Total processing time"。批处理同样支持限定类型,如transcribe audio: recordings/*.wav只处理 WAV 文件。

场景三:大文件预警与确认

copilot> transcribe audio to markdown: conference-keynote.mp3

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

rembg 背景去除实战:3 分钟跑通,选对模型少踩 3 个坑

rembg 背景去除实战:3 分钟跑通,选对模型少踩 3 个坑

rembg 背景去除实战:3 分钟跑通,选对模型少踩 3 个坑 【免费下载链接】rembg Rembg is a tool to remove images background 项目地址: https://gitcode.com/GitHub_Trending/re/rembg 痛点开场 运营每天花 40 分钟手动抠产品图,设计…

2026/11/16 0:09:36 阅读更多 →
蓝牙的Paging(寻呼)过程

蓝牙的Paging(寻呼)过程

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/11/15 23:54:19 阅读更多 →
[DeepSeek Harness深度拆解-09]基于Scope的隔离机制是如何实现的?

[DeepSeek Harness深度拆解-09]基于Scope的隔离机制是如何实现的?

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/11/14 5:10:42 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/18 13:59:04 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/18 15:33:23 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/18 17:05:28 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/18 14:33:19 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/18 17:05:28 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/18 14:13:08 阅读更多 →

日新闻

周新闻

月新闻