据 AlphaMoat 统计,截至 2026-09,Whisper Transcribe 累计下载 4,408 次、获 5 个星标,在全部 5,078 个 AI 技能中排名第 2,214 位,在「设计创意」分类(512 个)中排名第 216 位。

累计安装

162

累计下载

4,408

星标

全站排名

#2,214

全站前 44% · 「设计创意」前 43%

平台	累计安装	累计下载	星标	评论
ClawHub ↗	73	2,551	3	-
SkillHub ↗	162	4,408	5	—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

支持自动语言检测、批量处理、不同模型选择，以及文本、字幕或 JSON 等输出。首次运行需要下载模型；转录结果可能保存在音频旁或指定目录，并包含敏感对话内容。处理敏感录音时应指定受控输出目录、限制保留时间并复核转录。需要本地 whisper CLI 和 ffmpeg；在虚拟环境安装经审查依赖，需要可复现时固定版本。按可用内存及处理时间选模型，模型表为指引而非准确率或耗时保证。

资料发布于 2026-10-27

可以用来做什么

为会议、播客或语音消息生成文字稿
生成字幕或带时间信息的转录结果

什么时候用

音频处理已获授权，模型依赖可信，且输出位置与保留方式明确时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

说明这段音频可生成哪些转录格式，不安装依赖或处理文件。

为敏感录音指定受控输出目录，并列出使用前的转录核对步骤。

月度数据趋势

累计下载4,408

星标5

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份	累计下载	环比	星标
2026-09	4,408	—	5
2026-08	3,742	+16.5%	5
2026-07	3,213	+12.0%	5
2026-06	2,870	+7.1%	5
2026-05	2,680	—	4
2026-03	1,751	—	2

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 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

展开全部(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)