whisper-transcribe-summarize — 低声语音转录-总结

本地Whisper转录 使用此技能进行完全本地的Whisper转录。

此技能的用途 当用户想要以下任一功能时，使用此技能：

下载Whisper模型到本地 本地离线运行语音转文字 不使用外部API进行ASR 将mp3 / wav / m4a / mp4 / mov转换为文字 先下载模型，然后重复使用本地模型 捆绑脚本 scripts/download_whisper_model.py scripts/local_whisper_transcribe.py

要求 在使用脚本之前，请确保机器具有以下条件：

python3 ffmpeg Python包openai-whisper 如果Whisper未安装，请使用以下命令安装： python3 -m pip install -U openai-whisper

模型下载工作流 如果用户想要预下载模型，请运行： python3 scripts/download_whisper_model.py medium

常见模型名称： tiny base small medium large 默认推荐： 更快/更轻：base或small 更好的中文质量：medium

脚本将模型下载到标准的本地Whisper缓存目录中。

转录工作流 基本用法： python3 scripts/local_whisper_transcribe.py "/path/to/media.mp4" 使用显式模型： python3 scripts/local_whisper_transcribe.py "/path/to/audio.mp3" --model medium 使用输出路径： python3 scripts/local_whisper_transcribe.py "/path/to/audio.mp3" --output "/path/to/result.txt"

媒体处理 转录脚本接受音频和视频输入。 支持的常见输入包括： .mp3 .wav .m4a .mp4 .mov .mkv .webm Whisper通过ffmpeg读取本地媒体。

输出 默认情况下，脚本写入： <源文件名>_whisper.txt 如果提供--output，则写入请求的txt路径。

当用户要求本地转录时 验证输入文件是否存在。 如果Whisper未安装，请先安装openai-whisper。 如果请求的模型尚未缓存，请使用scripts/download_whisper_model.py预下载。 在文件上运行scripts/local_whisper_transcribe.py。 对转录txt进行基础清理（见下面的“转录txt基础清理”）。 报告使用的模型和输出txt路径。 默认生成整理稿和总结稿（除非用户明确要求只转录原文）。

转录txt基础清理 脚本输出的原始转录往往是繁体、无标点、有重复的粗糙文本。 在保存最终转录txt之前，需要对其进行以下基础清理： 繁转简：所有繁体中文转为简体中文。 加标点分段：补全缺失的标点符号（句号、逗号、问号等），按语义自然分段。 去口语赘余：去除明显的口语填充词（"嗯"、"啊"、"就是说"、"然后"等无意义重复）。 去ASR重复/幻觉：删除语音识别产生的重复片段（如同一句话连续出现多次）。 修正明显错别字：修正语音识别的常见错字（如"维铭"→"文明"、"月签"→"跃迁"）。 保留原意：只做清理，不改写、不重组、不删减有意义的内容。 清理后的txt仍然是忠实于原始语序的转录文本。 清理后的转录txt直接覆盖保存到<源文件名>_whisper.txt。

整理稿工作流 转录完成后，默认生成两个文件：整理稿（.txt）和总结稿（.md）。 整理稿（.txt）——将口语转录重写为书面文章 整理稿不是逐句清理，而是将口语转录完全重写为一篇流畅的书面文章。 默认文件名：<源文件名>_整理稿.txt 重写要求 去口语化：彻底去除所有口语痕迹——"咱们"、"好的"、"好"、"你们"、"我来说一下"、"那就是"、语气词、重复、卡顿、ASR噪声等全部移除。 第三人称视角：原文中的"我"统一改为"导演/作者/分析者"或直接省略，读起来像一篇第三方撰写的专业文章，而非演讲实录。 逻辑重组：不必保留原始叙述顺序。 将分散在不同位置但主题相关的内容合并到同一段落，按逻辑而非时间线组织。 散文体段落：输出为连贯的散文段落（每段3-8句），不用列表/bullet points。 段落之间用自然的逻辑过渡衔接。 避免"三个功能：第一…第二…第三…"这种清单式写法，改为融入散文句式。 添加概括性标题：整篇文章开头给一个概括全文主题的标题（不是文件名）。 保留全部分析内容：所有专业术语、技法名称、分析洞见必须完整保留，不能丢失信息。 只是换一种更精炼、更书面的方式表达。 繁转简：所有繁体中文转为简体中文。 修正ASR错误：修正明显的语音识别错字（如"维铭"→"文明"、"月签"→"跃迁"、"族语"→"主语"）。 篇幅：整理稿的篇幅通常是原始转录的60%-80%，因为去除了冗余但保留了全部信息。 忠于原文：不编造、不添加原文未涉及的信息或观点。

语言风格要求（重要） 整理稿的语言质感决定了最终品质。 以下是在多轮迭代中总结出的关键标准： 语言精简克制：不堆砌修饰词，不过度强调。 少用"极为"、"根本"、"本质上"、"非常"等加重词。 能一句说清的不用两句。 结构标记清晰：使用"第一幕"、"第二幕"等幕次标记，以及"随着"、"之后"、"接下来"、"紧接着"、"至此"等渐进连接词，让读者感受到内容推进的节奏。 主题升华：不只描述发生了什么，还要归纳它在全篇中意味着什么。 关键段落需要有一句总结性的提炼，将具体分析上升到主题层面。 避免过于直白的口语化表达（如"打回石器时代"），改用更有评论质感的书面表达。 结尾总结段：整篇文章最后需要一段跳出具体分析、对全篇做整体评价的收束段落。 总结应回扣主题，并给出提炼性的结论。 段落饱满：每个段落应完整发展一个想法后再换段，避免1-2句就分段。 相邻的小观点应揉进同一段落形成连贯论述。 最终效果：读起来像一篇独立撰写的专业分析文章，而非"清洗过的转录稿"或"分析报告"。

总结稿（.md + .html）——结构化摘要 在整理稿基础上，生成一份结构化的总结。 同时输出.html版本方便浏览器直接查看。 默认文件名：<源文件名>_总结稿.md <源文件名>_总结稿.html（从.md自动转换）

总结稿格式要求 顶部用引用块写一句话概括全文主题 关键术语和核心结论用加粗高亮 用---分割线划分大区块，增强视觉层次 章节标题用###第X幕 | 标题格式 原文摘录中的关键词也做加粗处理 # 标题

一句话概括：全文主题的精炼总结

核心摘要

• 要点一：简明结论
• 要点二：简明结论

结构拆解

第一幕 | 章节标题

• 关键点加粗高亮，其余正常
• 每条bullet简明扼要

关键观点

1. 观点标题

对应原文摘录

原文片段，关键词加粗