云端音频智能转录助手

基于 OpenRouter API 的音频转录工具，支持 Gemini/GPT-4o-audio 等模型，通过命令行快速将音频转为文本，适合开发者与内容创作者高效处理语音内容。

基本信息

• 技能名称?openrouter-transcribe
• 中文名称?云端音频智能转录助手
• 作者?obviyus
• 分类?专业技能
• 版本?v1.0.0
• 标签?content-media, api, productivity, automation, docs

使用方法

使用说明
核心用法
openrouter-transcribe 是一款命令行音频转录工具，通过调用 OpenRouter 的聊天补全 API 实现语音转文字。用户只需执行 {baseDir}/scripts/transcribe.sh /path/to/audio.m4a 即可快速获取转录结果。工具支持多种自定义选项，包括指定模型（默认 google/gemini-2.5-flash）、添加转录提示词（如说话人标签）、输出到文件以及设置调用者标识便于在 OpenRouter 后台追踪用量。
显著优点
技术实现简洁可靠 ：工具采用 ffmpeg 将音频转换为标准 WAV 格式（单声道、16kHz），经 base64 编码后通过 HTTPS 发送至 OpenRouter API，流程透明可控。脚本使用 set -euo pipefail 严格模式，配合完善的错误处理机制，确保执行稳定性。
兼容性与灵活性兼备 ：支持任意音频能力的 OpenRouter 模型，用户可根据需求切换 Gemini、GPT-4o-audio-preview 等不同厂商的模型。同时妥善处理大文件场景，通过临时文件而非命令行参数传递数据，避免 "argument list too long" 错误。
安全设计到位 ：临时目录使用 mktemp -d 创建并配合 trap 机制确保清理，无敏感信息硬编码，API Key 需用户主动配置，符合最小权限原则。
潜在缺点与局限性
网络依赖性强 ：完全依赖 OpenRouter 云端服务，离线环境无法使用，且受 API 可用性和响应速度制约。大文件或网络不稳定时可能出现超时或失败。
隐私与成本考量 ：音频文件需上传至第三方服务器处理，不适合处理机密或敏感内容。同时产生 OpenRouter API 调用费用，高频或大批量使用需关注成本。
功能边界有限 ：专注于转录单一任务，不支持实时流式转录、多语言自动检测、说话人分离等高级功能，复杂场景需配合其他工具。
适合的目标群体
开发者与技术人员：需要集成音频转录到自动化工作流或脚本管道
内容创作者与播客制作者：快速生成采访、会议、播客的文本稿
研究人员与学生：处理访谈录音、课堂录音等学术资料
小型团队：低成本、轻量化的语音内容处理方案
使用风险
数据外泄风险 ：音频内容上传至 OpenRouter 服务器，需确保内容脱敏或已获得授权
API 依赖风险 ：服务可用性、定价策略变更可能影响长期使用
成本不可控 ：按量计费模式下，大文件或高频调用可能产生意外费用
格式兼容性 ：虽支持常见格式，但极端编码或损坏文件可能导致转录失败