⚡

语音转文字Skill speech-to-text

这个技能利用基于Whisper模型的AI技术，通过inference.sh命令行界面，高效地将音频文件转录为文本，支持多语言识别、时间戳标注和翻译功能，适用于会议记录、播客制作、视频字幕生成、语音笔记转化等多种场景。关键词：语音转文字，音频转录，AI语音识别，Whisper模型，inference.sh，自动字幕，多语言支持，语音识别。

NLP 0 次安装 0 次浏览 更新于 3/12/2026

name: 语音转文字 description: “通过inference.sh CLI使用Whisper模型将音频转录为文本。模型：Fast Whisper Large V3, Whisper V3 Large。功能：转录、翻译、多语言、时间戳。用途：会议转录、字幕、播客转录、语音笔记。触发词：语音转文字、转录、whisper、音频转文本、转录音频、语音转文本、stt、自动转录、字幕生成、转录会议、音频转录、whisper ai” allowed-tools: Bash(infsh *)

语音转文字

通过 inference.sh CLI 将音频转录为文本。

语音转文字

快速开始

curl -fsSL https://cli.inference.sh | sh && infsh login

infsh app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://audio.mp3"}'

安装说明： 安装脚本 仅检测您的操作系统/架构，从 dist.inference.sh 下载匹配的二进制文件，并验证其 SHA-256 校验和。无需提升权限或后台进程。手动安装与验证 可用。

可用模型

模型 App ID 最佳用途
Fast Whisper V3 infsh/fast-whisper-large-v3 快速转录
Whisper V3 Large infsh/whisper-v3-large 最高准确度

示例

基本转录

infsh app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://meeting.mp3"}'

带时间戳

infsh app sample infsh/fast-whisper-large-v3 --save input.json

# {
#   "audio_url": "https://podcast.mp3",
#   "timestamps": true
# }

infsh app run infsh/fast-whisper-large-v3 --input input.json

翻译（至英语）

infsh app run infsh/whisper-v3-large --input '{
  "audio_url": "https://french-audio.mp3",
  "task": "translate"
}'

从视频提取

# 首先从视频提取音频
infsh app run infsh/video-audio-extractor --input '{"video_url": "https://video.mp4"}' > audio.json

# 转录提取的音频
infsh app run infsh/fast-whisper-large-v3 --input '{"audio_url": "<audio-url>"}'

工作流：视频字幕

# 1. 转录视频音频
infsh app run infsh/fast-whisper-large-v3 --input '{
  "audio_url": "https://video.mp4",
  "timestamps": true
}' > transcript.json

# 2. 使用转录生成字幕
infsh app run infsh/caption-videos --input '{
  "video_url": "https://video.mp4",
  "captions": "<transcript-from-step-1>"
}'

支持语言

Whisper 支持 99+ 语言，包括： 英语、西班牙语、法语、德语、意大利语、葡萄牙语、中文、日语、韩语、阿拉伯语、印地语、俄语等。

使用场景

  • 会议：转录录音
  • 播客：生成文字稿
  • 字幕：为视频创建字幕
  • 语音笔记：转换为可搜索文本
  • 访谈：研究用转录
  • 无障碍：使音频内容更易访问

输出格式

返回 JSON，包含：

  • text：完整转录文本
  • segments：带时间戳的段落（如请求）
  • language：检测到的语言

相关技能

# 完整平台技能（所有150+应用）
npx skills add inference-sh/skills@inference-sh

# 文本转语音（反向操作）
npx skills add inference-sh/skills@text-to-speech

# 视频生成（添加字幕）
npx skills add inference-sh/skills@ai-video-generation

# AI 虚拟形象（与转录同步口型）
npx skills add inference-sh/skills@ai-avatar-video

浏览所有音频应用：infsh app list --category audio

文档