AI 语音转录，一键速记

基于 OpenAI GPT-4o-mini 的语音转录工具，支持词汇自定义与文本纠错，适合快速处理语音备忘录。

基本信息

• 技能名称?Voice Transcribe
• 中文名称?AI 语音转录，一键速记
• 作者?darinkishore
• 分类?专业技能
• 版本?1.0.1
• 标签?voice-recognition, openai-api, transcription, audio-processing, cli-tool, productivity

使用方法

使用说明
核心用法
voice-transcribe 是一款调用 OpenAI GPT-4o-mini-transcribe 模型的语音转录 Skill。用户通过 uv run 命令直接执行，将本地音频文件转为文本。支持 MP3、WAV、OGG 等主流格式，并通过 SHA256 缓存避免重复调用 API。
显著优点：
极简工作流 ：专为 WhatsApp 语音备忘录场景设计，一行命令完成转录
可定制词汇 ：通过 vocab.txt 提供人名/术语提示， replacements.txt 实现确定性文本替换，有效解决专业词汇误识别
零依赖部署 ：仅依赖 uv 运行时，无额外 Python 包管理负担
管道友好 ：支持标准输出管道，可无缝对接 pbcopy 等工具
潜在缺点与局限性：
语言锁定 ：仅支持英语，无自动语言检测
外部 API 依赖 ：必须配置 OpenAI API Key，产生调用成本与网络依赖
纯文档型实现 ：实际可执行文件 transcribe 未在 Skill 中提供，需用户自行准备或推断
隐私考量 ：音频数据需上传至 OpenAI 服务器处理
适合人群 ：
高频接收英语语音消息的商务/个人用户
需要快速归档会议纪要、访谈录音的知识工作者
已持有 OpenAI API Key 的技术用户
常规风险 ：
API 密钥以 .env 文件形式本地存储，存在误提交版本控制的风险；建议配合 direnv 或系统密钥管理工具使用。转录内容准确性受音频质量与模型能力限制，关键场景需人工复核。