斯蒂芬·阿瑟

其他 社区

技能解读

当前原文的自动摘译,尚未人工审校。

为什么存在这项技能——需要花费数小时的三个陷阱

错误的终点,错误的错误。 stepaudio-2.5-asr 不在 /v1/audio/transcriptions 上(该端点服务于旧的 step-asr 系列)。它依赖于 /v1/audio/asr/sse — SSE 流、JSON 正文、base64 音频。将其发送到错误的端点将返回{"error":{"message":"model stepaudio-2.5-asr not supported"}},其结构与真正不存在的模型名称相同。人们浪费大量时间来提交白名单票据。

配置和授权

API 密钥按此顺序解析(快速失败,无默认值): $STEPFUN_API_KEY 环境变量 ${CLAUDE_PLUGIN_DATA}/config.json 和 {"api_key": "..."}(跨会话持久性) 首次设置:如果用户尚未设置密钥,请要求他们粘贴它 — 不要猜测或使用占位符。在 https://platform.stepfun.com/ 获取密钥 → API 密钥。使用普通键,而不是计划键。

快速启动——单个文件

输出:标准输出上的纯文本转录。对于带有用法/计时的机器可读输出: 对于非中文音频:脚本处理 base64 编码、嵌套的 {audio: {data, input: {transcription, format}}} 主体、SSE 解析和误导性端点陷阱。除非集成到更大的管道中,否则优先使用它而不是手动 HTTP 调用。

决策表

场景 · 动作短片(< 5 分钟),中文或英语,mp3/wav/ogg/opus · python3 scripts/asr_transcribe.py audio.mp3 长音频(5-30 分钟) · 相同的脚本 — 32K 上下文在一次调用中处理它,无需分块 音频 > 30 分钟 · 发送前使用 ffmpeg 进行分割; API 拒绝超大有效负载 需要使用/计费数据 · 添加 --json 以从 transcript.text.done 捕获 usage.input_tokens / usage.total_tokens

支持的音频格式

脚本自动检测扩展名;通过 --format 覆盖:扩展名 · 格式标志 · 注释 .mp3 · mp3 · 最常见,默认 .wav · wav · 无损 .ogg · ogg · OGG 容器

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
通用
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@daymade · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
需要 · Vendor-specific
兼容的系统
未声明(默认跨平台)
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 读取环境变量
网络行为
允许外网请求
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

输出预览 stepfun-asr.preview
python3 scripts/asr_transcribe.py /path/to/audio.mp3

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。