- name
- asr-sentence-recognition
- description
- >
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
- 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
- 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
- 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。
| 场景 | 一句话识别 | 极速版 | 录音文件识别 | 备注 |
|---|---|---|---|---|
| 普通话 | 16k_zh | 16k_zh / 16k_zh_large | 16k_zh / 16k_zh_large | 默认首选 |
| 中英夹杂 | 16k_zh-PY | 16k_zh_en | 16k_zh_en | 混说优先 |
| 粤语 | 16k_yue | 16k_yue | 16k_yue | |
| 英语 | 16k_en | 16k_en | 16k_en / 16k_en_large | |
| 日语 | 16k_ja | 16k_ja | 16k_ja | |
| 韩语 | 16k_ko | 16k_ko | 16k_ko | |
| 多语种 / 语言不确定 | 指定具体语种 | 16k_multi_lang | 16k_multi_lang | 一句话识别没有多语自动识别引擎 |
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/ffprobescripts/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