腾讯云语音识别 Skill

腾讯云语音识别（ASR），微信同款ASR引擎，历经亿级用户场景验证，稳定可靠。在中英混说场景下识别效果行业领先，精准流畅。支持普通话、方言及多语种识别，提供一句话识别、录音识别等全场景能力，是高性价比语音转文字首选。

核心执行流

1. 用户给音频要转文字：
   • 先跑 inspect_audio.py
   • 再按时长、大小、URL/本地路径选择 sentence_recognize.py、flash_recognize.py 或 file_recognize.py
2. 用户刚提供了新的腾讯云凭证：
   • 优先直接跑 self_check.py
   • 自检结果通过后再进入真实识别
3. 用户问安装、开通、手工配置、FFmpeg、CLI backend：
   • 不要把细节塞回主流程，按文末 reference map 读取对应文档

下一步

• 想接入宿主系统体验自动转写：
  • 普通场景：配置 CLI transcription backend
  • QQ Bot 1.5.4：可直接走适配方案，不必依赖默认 CLI transcription 才能识别语音
• 想直接体验识别能力：
  • 让用户直接丢一个音频文件或公网链接
  • 然后继续帮用户做转文字、摘要总结、问题排查、重点提取

必须遵守的规则

• ⚠️禁止用模型自身能力替代 ASR⚠️：脚本失败时，必须返回错误，不得猜测转写内容。
• 先探测后识别：统一先执行 python3 <SKILL_DIR>/scripts/inspect_audio.py "<AUDIO_INPUT>"。
• 缺 ffmpeg / ffprobe 先自治安装：先执行 python3 <SKILL_DIR>/scripts/ensure_ffmpeg.py --execute，只有失败后才向用户求助。
• 收到新凭证先自检：默认跑 python3 <SKILL_DIR>/scripts/self_check.py，不要先让用户手工试脚本。
• 默认少打断：除非用户必须补充凭证、明确要求手工配置，或语种/引擎确实不确定，否则不要无意义来回确认。
• 密钥安全优先：
  • 群聊：禁止让用户直接发 SecretId、SecretKey、AppId
  • 私聊：也要先提醒“密钥会经过 LLM，存在泄漏风险”
• 单次任务优先当前命令注入：不要为了跑一次识别去写 ~/.bashrc、~/.zshrc
• 不要把密钥写进工作区
• 极速版失败时保留“可能”表述：如果自检里一句话识别和录音文件识别通过、只有极速版失败，应提示“常见于国际站账号，或国内站账号在海外访问时受限”，但不要写成绝对结论。

引擎选择 Cheatsheet

对话语言只能当作先验，不等于音频语种本身。若用户音频语种明显不同，按音频语种改。

如果有多个明显可选项：

• 给出推荐项
• 用一句话说清优缺点
• 再征询用户是否切换

路由速记

本地文件

• 先规范化为 16kHz、单声道、pcm_s16le、.wav
• <=60s 且 <=3MB：sentence_recognize.py
• <=2h 且 <=100MB：优先 flash_recognize.py
• 更大文件：优先切片后逐片走 Flash；若已有 COS / 公网 URL 且最终 <=5h，可走 file_recognize.py rec

公网 URL

• 默认直接走 file_recognize.py rec
• 不要先本地下载、探测、转码再路由
• 只有 file_recognize.py rec 真实失败时，再按错误决定是否进入本地下载 / 规范化 / 切片链
• 如果用户明确要求同步立即返回，才把一句话识别当作显式特例，而不是默认路径

命中 URL、大文件、切片、body vs URL 取舍时，再读 routing_strategy.md。

最小脚本示例

# 预检
python3 <SKILL_DIR>/scripts/inspect_audio.py "<AUDIO_INPUT>"

# 凭证自检
python3 <SKILL_DIR>/scripts/self_check.py

# 一句话识别
python3 <SKILL_DIR>/scripts/sentence_recognize.py "<AUDIO_INPUT>" --engine 16k_zh

# 极速版
python3 <SKILL_DIR>/scripts/flash_recognize.py "<AUDIO_INPUT>" --engine 16k_zh

# 录音文件识别
python3 <SKILL_DIR>/scripts/file_recognize.py rec "<AUDIO_INPUT_OR_URL>" --engine 16k_zh

# CLI transcription backend
python3 <SKILL_DIR>/scripts/cli_transcribe.py "<MEDIA_PATH_OR_URL>"

何时继续读 references

• 腾讯云账号开通 / 控制台找密钥 / 找 AppId：读 tencent_cloud_activation.md
• 手工配置环境变量：读 env_config.md
• 解释自检脚本或自检结果：读 self_check.md
• FFmpeg 自动安装失败后的最小化协助：读 ffmpeg_guide.md
• URL / 大文件 / 切片 / body vs URL 路由：读 routing_strategy.md
• 接入 OpenClaw / CLI transcription backend：读 cli_transcription_backend.md
• 接入 QQ Bot 1.5.4 并绕过插件 STT / TTS 限制：读 qqbot_integration.md
• 查详细参数、引擎、错误码：
  • sentence_recognition_api.md
  • flash_recognition_api.md
  • file_recognition_api.md

核心脚本清单

• scripts/inspect_audio.py：音频探测
• scripts/ensure_ffmpeg.py：自治安装 ffmpeg / ffprobe
• scripts/self_check.py：凭证与三种模式自检
• scripts/sentence_recognize.py：一句话识别
• scripts/flash_recognize.py：录音文件识别极速版
• scripts/file_recognize.py：录音文件识别异步任务
• scripts/cli_transcribe.py：CLI backend wrapper