Qwen3-ASR 智能语音转文字助手

任务目标

本 Skill 用于：将语音转换为文字，并提供智能文本改写功能
能力包含：
实时语音识别（语音转文字）
智能文本改写（邮件、笔记、社交媒体文案）
文字拼接（多段录音合并）
一键复制和分享
触发条件：用户提出"语音转文字"、"录音转文字"、"语音备忘"等需求

前置准备

依赖说明：Qwen3-ASR 调用所需的 Python 库
requests>=2.28.0 numpy>=1.21.0
无需额外文件或文件夹准备

操作步骤

标准流程（语音转文字 + 智能改写）

录音/上传音频（调用方提供）
- 点击录音按钮开始录音
- 点击停止结束录音
- 或上传已有的音频文件
语音转文字（智能体调用脚本）
```python
from scripts.asr_transcriber import Qwen3ASRTranscriber

transcriber = Qwen3ASRTranscriber()
result = transcriber.transcribe(
audio_file="recording.wav",
language="zh-CN"
)
text = result["text"]
```

文字改写（智能体处理）
- 根据用户需求选择改写类型：
- 改写成邮件：正式、结构化，包含主题、正文、落款
- 改写成笔记：要点清晰、层次分明，使用列表和标记
- 改写成社交媒体文案：简洁、有吸引力，使用表情符号和话题标签
- 智能体分析原文内容，识别关键信息
- 根据改写类型调整语气、结构和风格
复制/分享（智能体处理）
- 一键复制：智能体将改写后的文本复制到剪贴板
- 一键分享：智能体生成分享格式，适配微信等平台
录音拼接（智能体处理）
- 继续录音，生成新的文字
- 智能体将新文字拼接到原文
- 保持文本连贯性，添加适当的连接词

多段录音拼接流程

第一段录音：按照标准流程进行语音转文字
继续录音：用户点击继续录音
转文字：调用脚本识别新录音
智能拼接：智能体将新文字拼接到原文
python # 智能体处理拼接 full_text = original_text + "\n\n" + new_text

资源索引

必要脚本：
scripts/asr_transcriber.py（用途：语音转文字，支持多种音频格式和实时识别）
领域参考：
references/asr-api-config.md（何时读取：需要了解 ASR API 配置和参数时）
references/text-rewrite-guide.md（何时读取：需要了解文本改写规则和模板时）
输出资产：无预置模板，改写后的文本根据需求动态生成

注意事项

录音质量：确保录音清晰，无过多背景噪音，提高识别准确率
文本改写：充分利用智能体的语言理解和创作能力，避免为改写编写脚本
拼接连贯性：多段录音拼接时，智能体应添加适当的连接词，保持文本连贯
改写准确性：改写时应保留原文的核心信息和意图，不随意增删内容
适配场景：根据使用场景选择合适的改写类型（邮件/笔记/社交媒体）

使用示例

示例 1：会议纪要转笔记

场景：录制会议语音，转换为结构化的会议笔记

执行流程：
1. 录制会议语音（60分钟）
2. 调用脚本转文字：
```python
from scripts.asr_transcriber import Qwen3ASRTranscriber

transcriber = Qwen3ASRTranscriber()
result = transcriber.transcribe(
audio_file="meeting.wav",
language="zh-CN"
)
meeting_text = result["text"]
```

智能体改写成笔记：
```
# 会议笔记

## 时间地点
- 时间：2024年1月23日
- 地点：公司会议室

## 参会人员
- 张经理、李主管、王工程师

## 主要议题
1. Q1业绩回顾
- 销售额增长20%
- 新用户增加5000人

Q2工作计划
- 推出新产品线
- 加强市场推广
- 优化客户服务
决议事项
- 批准新产品线预算
- 成立市场推广小组
```

示例 2：语音转邮件

场景：录制语音备忘，转换为正式邮件

执行流程：
1. 录制语音备忘："小王，关于明天的项目会议，请准备好以下材料：项目进度报告、预算表、团队人员名单。会议时间是上午10点，地点在3号会议室。"
2. 调用脚本转文字
3. 智能体改写成邮件：
```
主题：明天项目会议准备材料

小王：

你好！

关于明天上午10点在3号会议室召开的项目会议，请提前准备好以下材料：

项目进度报告
预算表
团队人员名单

如有疑问，请及时联系我。

祝好！
张经理
```

示例 3：语音转社交媒体文案

场景：录制语音灵感，转换为社交媒体发布文案

执行流程：
1. 录制语音灵感："今天尝试了一家超棒的咖啡店，咖啡味道很浓郁，环境也很舒服，很适合工作。推荐给大家！"
2. 调用脚本转文字
3. 智能体改写成社交媒体文案：
```
☕️ 今日份咖啡推荐！

今天发现了一家宝藏咖啡店 ☕✨

咖啡口感浓郁，环境舒适超治愈，简直是工作充电的好地方～

#咖啡探店 #工作日常 #周末好去处

📍 地址：[咖啡店名称]
⭐ 推荐：招牌拿铁、手冲咖啡
```

示例 4：多段录音拼接

场景：录制长篇语音，分多段录音，最后拼接完整文本

执行流程：
1. 第一段录音（0-10分钟）：
python result1 = transcriber.transcribe("part1.wav") text1 = result1["text"]

第二段录音（10-20分钟）：
python result2 = transcriber.transcribe("part2.wav") text2 = result2["text"]
第三段录音（20-30分钟）：
python result3 = transcriber.transcribe("part3.wav") text3 = result3["text"]
智能体拼接：
```
完整文本：

[第一段内容]

...（智能体添加连接词）...

[第二段内容]

...（智能体添加连接词）...

[第三段内容]
```

示例 5：一键复制和分享

场景：语音转文字后，一键复制或分享到微信

执行流程：
1. 语音转文字
2. 智能体改写成目标格式
3. 一键复制：
文本已复制到剪贴板！
4. 一键分享到微信：
```
✅ 文本已生成，可以分享到微信

分享格式：
[改写后的文本]

#会议纪要 #工作效率
```

API 参考

Qwen3ASRTranscriber 类

初始化：

Qwen3ASRTranscriber(api_key=None, base_url=None)

主要方法：

# 语音转文字
transcribe(
    audio_file: str,
    language: str = "zh-CN",
    format: str = "wav",
    sample_rate: int = 16000,
    return_timestamps: bool = False
) -> dict

# 返回格式
{
    "success": True,
    "text": "识别的文字",
    "language": "zh-CN",
    "duration": 120.5,
    "segments": [...]  # 如果 return_timestamps=True
}