據 AlphaMoat 統計,截至 2026-09,Whisper Transcribe 累計下載 4,408 次、獲 5 個星標,在全部 5,078 個 AI 技能中排名第 2,214 位,在「設計創意」分類(512 個)中排名第 216 位。

累計安裝

162

累計下載

4408

星標

全站排名

#2,214

全站前 44% · 「設計創意」前 43%

平台	累計安裝	累計下載	星標	評論
ClawHub ↗	73	2551	3	-
SkillHub ↗	162	4408	5	—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

支援自動語言檢測、批次處理、不同模型選擇，以及文字、字幕或 JSON 等輸出。首次執行需要下載模型；轉錄結果可能儲存在音訊旁或指定目錄，並包含敏感對話內容。處理敏感錄音時應指定受控輸出目錄、限制保留時間並複核轉錄。需要本機 whisper CLI 和 ffmpeg；在虛擬環境安裝經審查相依套件，需要可重現時固定版本。按可用記憶體及處理時間選模型，模型表為指引而非準確率或耗時保證。

資料釋出於 2026-10-27

可以用來做什麼

為會議、播客或語音訊息生成文字稿
生成字幕或帶時間資訊的轉錄結果

什麼時候用

音訊處理已獲授權，模型依賴可信，且輸出位置與保留方式明確時

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

說明這段音訊可生成哪些轉錄格式，不安裝依賴或處理檔案。

為敏感錄音指定受控輸出目錄，並列出使用前的轉錄核對步驟。

月度資料趨勢

累計下載4408

星標5

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份	累計下載	環比	星標
2026-09	4408	—	5
2026-08	3742	+16.5%	5
2026-07	3213	+12.0%	5
2026-06	2870	+7.1%	5
2026-05	2680	—	4
2026-03	1751	—	2

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

1.6 KB · ClawHub v1.0.0

---
name: whisper-transcribe
description: Transcribe audio files to text using OpenAI Whisper. Supports speech-to-text with auto language detection, multiple output formats (txt, srt, vtt, json), batch processing, and model selection (tiny to large). Use when transcribing audio recordings, podcasts, voice messages, lectures, meetings, or any audio/video file to text. Handles mp3, wav, m4a, ogg, flac, webm, opus, aac formats.
---

# Whisper Transcribe

Transcribe audio with `scripts/transcribe.sh`:

```bash

展開全部(共 47 行)

# Basic (auto-detect language, base model)
scripts/transcribe.sh recording.mp3

# German, small model, SRT subtitles
scripts/transcribe.sh --model small --language de --format srt lecture.wav

# Batch process, all formats
scripts/transcribe.sh --format all --output-dir ./transcripts/ *.mp3

# Word-level timestamps
scripts/transcribe.sh --timestamps interview.m4a
```

## Models

| Model | RAM | Speed | Accuracy | Best for |
|-------|-----|-------|----------|----------|
| tiny | ~1GB | ⚡⚡⚡ | ★★ | Quick drafts, known language |
| base | ~1GB | ⚡⚡ | ★★★ | General use (default) |
| small | ~2GB | ⚡ | ★★★★ | Good accuracy |
| medium | ~5GB | 🐢 | ★★★★★ | High accuracy |
| large | ~10GB | 🐌 | ★★★★★ | Best accuracy (slow on Pi) |

## Output Formats

- **txt** — Plain text transcript
- **srt** — SubRip subtitles (for video)
- **vtt** — WebVTT subtitles
- **json** — Detailed JSON with timestamps and confidence
- **all** — Generate all formats at once

## Requirements

- `whisper` CLI (`pip install openai-whisper`)
- `ffmpeg` (for audio decoding)
- First run downloads the model (~150MB for base)