使用 Whisper 进行语音识别的音视频转文字工具，支持多种格式输出（纯文本、SRT/VTT 字幕或 JSON），适用于会议记录、视频字幕生成、采访整理、播客转录等场景。
音视频转文字技能，使用 Whisper 进行语音识别。支持多种音视频格式，可输出纯文本、SRT/VTT 字幕或 JSON 格式。适用于会议记录、视频字幕生成、采访整理、播客转录等场景。
# 安装 Skill（会下载 SKILL.md 到 .claude/skills/） clawhub install audio-video-to-text # 之后直接对 Claude 说"用 Audio Video To Text 帮我…"即可
# 同样的安装命令，兼容所有支持 SKILL.md 的 AI 编程工具 clawhub install audio-video-to-text
此 Skill 兼容 OpenClaw 标准。 安装后自动生成 SKILL.md 文件，任何支持 OpenClaw 协议的 AI Agent（Claude Code、Cursor、Windsurf 等）均可直接调用。
需注册clawhub账户，Whisper模型本地运行，可选使用云端加速
pip install openai-whisper ffmpeg-python
# Ubuntu/Debian
sudo apt-get install ffmpeg
# macOS
brew install ffmpeg
# Windows
# 从 https://ffmpeg.org/download.html 下载
python scripts/transcribe.py <输入文件> [输出文件] [选项]
# 转录 MP4 视频，输出文本
python scripts/transcribe.py meeting.mp4
# 转录音频，输出 SRT 字幕
python scripts/transcribe.py podcast.mp3 podcast.srt --output-format srt
# 指定中文和较小模型（更快）
python scripts/transcribe.py interview.wav --model tiny --language zh
# 输出带时间戳的 JSON
python scripts/transcribe.py video.mp4 result.json --output-format json
--model | 模型大小：tiny, base, small, medium, large | base |
| --language | 语言代码：zh, en, ja 等 | 自动检测 |
| --output-format | 输出格式：txt, srt, vtt, json | txt |
| --device | 运行设备：cpu, cuda | cpu |
| --keep-audio | 保留临时音频文件 | false |这是转录的完整文本内容，适合阅读和编辑。
1
00:00:01,000 --> 00:00:04,000
这是第一句字幕。
2
00:00:04,500 --> 00:00:07,000
这是第二句字幕。
WEBVTT
00:00:01.000 --> 00:00:04.000
这是第一句字幕。
00:00:04.500 --> 00:00:07.000
这是第二句字幕。
--device cudascripts/transcribe.py - 主转录脚本clawhub audio-video-to-text --input meeting.mp4 --output meeting.srt --format srt --language zh使用 OpenAI 的 gpt-4o-mini-transcribe 模型转录音频文件，支持词汇提示和文本替换功能。
Transcribe audio files using OpenAI's gpt-4o-mini-transcribe model with vocabulary hints and text replacements. Requires uv (https://docs.astral.sh/uv/).
clawhub install voice-transcribe播客制作：规划播客内容、制作音视频、生成片段和拓展多平台受众。
Create and grow podcasts by planning episodes, producing audio or video, generating clips, and building audience across formats.
clawhub install podcast播客章节和亮点生成：从播客音频或文本自动提取章节标记、精彩片段和节目说明。
Create chapters, highlights, and show notes from podcast audio or transcripts. Use when a user wants chapter markers, highlight clips, or show-note drafts without publishing or distribution actions.
clawhub install podcast-chaptering-highlights