openai-whisper-api
Transkrypcja audio za pomocą Whisper API – zamień nagrania na tekst w sekundach
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Umożliwia transkrypcję plików audio bezpośrednio przez API Whisper od OpenAI. Obsługuje wiele formatów audio (m4a, ogg i inne), automatycznie konwertuje mowę na tekst z wysoką dokładnością. Możesz określić język, dodać podpowiedzi dla nazw mówców lub uzyskać wynik w formacie JSON. Idealne do przetwarzania nagrań, rozmów, wykładów czy materiałów wideo. Wymaga klucza API OpenAI i narzędzia curl.
Jak używać
Zainstaluj wymagane zależności: upewnij się, że masz zainstalowany curl oraz dostęp do klucza API OpenAI (możesz go uzyskać na platform.openai.com).
Skonfiguruj klucz API, ustawiając zmienną środowiskową OPENAI_API_KEY lub dodając go do pliku ~/.openclaw/openclaw.json w sekcji skills > openai-whisper-api > apiKey.
Przygotuj plik audio do transkrypcji – obsługiwane są formaty takie jak m4a, ogg i inne popularne formaty audio.
Uruchom transkrypcję za pomocą skryptu: {baseDir}/scripts/transcribe.sh /ścieżka/do/audio.m4a. Wynik zostanie zapisany automatycznie jako plik tekstowy o nazwie opartej na nazwie wejściowego pliku audio.
Dostosuj transkrypcję za pomocą dodatkowych flag: użyj --language en aby określić język, --prompt "Imiona: Jan, Maria" aby poprawić rozpoznawanie nazw, lub --json --out /tmp/transcript.json aby uzyskać wynik w formacie JSON zamiast zwykłego tekstu.
Sprawdź wygenerowany plik tekstowy – zawiera pełną transkrypcję audio z modelu whisper-1.