添加技能模块

2026-02-15 01:17:39 +08:00
parent c417a8f7a9
commit 86daba5771
48 changed files with 10121 additions and 0 deletions
@@ -0,0 +1,113 @@
+---
+name: kb-funasr
+description: 本地语音识别，支持音视频转文字（基于阿里 FunASR）
+---
+
+# KB FunASR Skill
+
+**kb-funasr** - 本地语音识别，使用阿里 FunASR 将音视频文件转换为文本和 JSON 格式输出。
+
+## 什么时候使用
+
+当用户需要：
+- 将视频/音频文件转换为文字
+- 获取带时间戳的详细识别结果
+- 需要中文优化的语音识别（Paraformer 模型）
+
+## 环境变量
+
+在使用之前，必须检查环境变量是否已经设置。
+
+| 变量名 | 用途 | 示例 |
+|--------|------|------|
+| `FUNASR_CACHE_DIR` | FunASR 模型缓存目录 | `~/.cache/modelscope/hub` |
+
+## 使用方法
+
+```bash
+# 基本用法（使用 Paraformer 模型）
+python funasr.py --input video.mp4
+
+# 指定模型
+python funasr.py --input video.mp4 --model paraformer-zh
+
+# 指定输出目录
+python funasr.py --input video.mp4 --output ./output
+
+# 异步执行（推荐）
+python funasr.py --input video.mp4 --background
+```
+
+## 命令参数
+
+| 参数 | 说明 | 默认值 |
+|------|------|--------|
+| `--input` | 输入音视频文件路径 | 必需 |
+| `--model` | FunASR 模型类型 | `paraformer-zh` |
+| `--output` | 输出目录 | 文件所在目录 |
+| `--background` | 后台异步执行 | False |
+
+## 模型选项
+
+- `paraformer-zh` - Paraformer 中文模型（轻量，中文优化，推荐）
+- `paraformer` - Paraformer 多语言模型
+- `sensevoice` - SenseVoice 多语言模型
+
+## 输出文件
+
+对于输入 `video.mp4`，将生成：
+
+- `video.json` - 详细结果（包含时间戳、分段信息）
+- `video.txt` - 纯文本内容
+
+## 输出格式示例
+
+### JSON 格式
+
+```json
+{
+  "success": true,
+  "input_file": "video.mp4",
+  "model": "paraformer-zh",
+  "output_files": {
+    "json": "video.json",
+    "txt": "video.txt"
+  },
+  "duration_seconds": 120.5,
+  "segments": [
+    {
+      "id": 0,
+      "start": 0.0,
+      "end": 3.2,
+      "text": "这是第一段识别结果"
+    }
+  ]
+}
+```
+
+## Workflow 中的使用
+
+```bash
+# 步骤4之后：如果已有音频但无字幕，可以使用 FunASR
+python funasr.py --input ${video_path} --model paraformer-zh --background
+```
+
+## 安装
+
+```bash
+# 1. 安装依赖
+pip install funasr modelscope
+
+# 2. 首次运行时会自动下载模型到缓存目录
+python funasr.py --input test.mp4
+
+# 3. 复制技能到 skills 目录
+cp -r kb-funasr/ ~/skills/
+```
+
+## 注意事项
+
+- **异步执行**: 使用 `--background` 参数时，命令会在后台运行，不阻塞主代理
+- **模型选择**: paraformer-zh 模型适合中文语音识别，速度较快，精度较高
+- **文件格式**: 支持 MP3、MP4、WAV、FLAC、OGG、M4A 等常见格式
+- **首次运行**: 首次运行时会自动下载模型文件，需要稳定的网络连接