出海助手-Whisper语音转写API / OpenAI transcriptions API
> 本技能改造自开源技能 openai-whisper-api（来源：openclaw/openclaw，openclaw 开源技能生态）。已完整保留原始运行文件（scripts/references/assets 与 LICENSE），并新增中文出海使用说明。原始英文说明见文末「English (Original)」与同目录 SKILL.original.md。
功能说明 / Functional Overview
通过 OpenAI Whisper API 把音频转写为文本，适合长音频与批量处理。
适用场景 / Use Cases
- 会议录音转写
- 视频字幕生成
- 访谈整理
使用方法 / How to Use
- 配置 OPENAI_API_KEY，提供音频路径，技能返回转写文本。
示例 / Examples
- 「会议录音转写」——用自然语言把任务交给本技能即可。
限制说明 / Limitations
- 需要外部服务/凭证的技能，请先完成授权配置后使用。
- 本技能为开源技能的中文本地化版本，核心逻辑与原技能一致；如遇专业术语，正文保留英文原词（如 Shopify、SEO、GA4 等）。
English (Original) / 英文原文（完整保留）
> The section below is the original skill definition, preserved verbatim for traceability and full functionality.
OpenAI transcriptions API
Transcribe audio through /v1/audio/transcriptions. Set OPENAI_BASE_URL for an OpenAI-compatible proxy or local gateway.
Quick start
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a
Defaults:
- Model:
gpt-4o-transcribe - Output:
<input>.txt
Useful flags
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe --out /tmp/transcript.txt
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-mini-transcribe
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model gpt-4o-transcribe-diarize --json
{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model whisper-1
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --language en
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --prompt "Speaker names: Peter, Daniel"
{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --json --out /tmp/transcript.json
Notes:
- Supported upload formats include
mp3,mp4,mpeg,mpga,m4a,wav,webm. - 25 MB upload limit on the hosted API.
- Use diarize for speaker labels; script sends
chunking_strategy=autoand rejects--prompt.
API key
Set OPENAI_API_KEY, or configure it in the active OpenClaw config file ($OPENCLAW_CONFIG_PATH, default ~/.openclaw/openclaw.json). Optionally set OPENAI_BASE_URL:
{
skills: {
"openai-whisper-api": {
apiKey: "OPENAI_KEY_HERE",
},
},
}
