Initial commit

2026-02-15 00:36:24 +08:00
commit bce284f7c6
215 changed files with 40763 additions and 0 deletions
@@ -0,0 +1,124 @@
+---
+name: kb-whisper
+description: 本地语音识别，支持音视频转文字（基于 Whisper.cpp）
+---
+
+# KB Whisper Skill
+
+**kb-whisper** - 本地语音识别，使用 Whisper.cpp 将音视频文件转换为文本、字幕和 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
+- 生成视频字幕（SRT 格式）
+- 获取带时间戳的详细识别结果
+
+## 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 |
+|--------|------|------|
+| `WHISPER_CPP_PATH` | whisper.cpp 安装路径 | `~/whisper.cpp` |
+
+## 使用方法
+
+```bash
+# 基本用法
+python whisper.py --input video.mp4
+
+# 指定模型（默认 tiny）
+python whisper.py --input video.mp4 --model base
+
+# 指定输出目录
+python whisper.py --input video.mp4 --output ./output
+
+# 异步执行（推荐）
+python whisper.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` | Whisper 模型类型 | `tiny` |
+| `--output` | 输出目录 | 文件所在目录 |
+| `--background` | 后台异步执行 | False |
+
+## 模型选项
+
+- `tiny` - 最小模型，速度快，精度较低（推荐快速识别）
+- `base` - 基础模型，平衡速度和精度（推荐）
+- `small` - 小型模型，精度更高，速度较慢
+- `medium` - 中型模型，高精度
+- `large` - 大型模型，最高精度，速度慢
+
+## 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.srt` - 字幕格式文件
+- `video.txt` - 纯文本内容
+
+## 输出格式示例
+
+### JSON 格式
+
+```json
+{
+  "success": true,
+  "input_file": "video.mp4",
+  "model": "tiny",
+  "output_files": {
+    "json": "video.json",
+    "srt": "video.srt",
+    "txt": "video.txt"
+  },
+  "duration_seconds": 120.5,
+  "segments": [
+    {
+      "id": 0,
+      "start": 0.0,
+      "end": 3.2,
+      "text": "这是第一段字幕"
+    }
+  ]
+}
+```
+
+## 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 whisper
+python whisper.py --input ${video_path} --model base --background
+```
+
+## 安装
+
+```bash
+# 1. 克隆 whisper.cpp
+git clone https://github.com/ggerganov/whisper.cpp.git ~/whisper.cpp
+
+# 2. 编译
+cd ~/whisper.cpp
+make
+
+# 3. 下载模型（tiny）
+./models/download-ggml-model.sh tiny
+
+# 4. 下载更多模型（可选）
+# ./models/download-ggml-model.sh base
+# ./models/download-ggml-model.sh small
+
+# 5. 复制技能到 skills 目录
+cp -r kb-whisper/ ~/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**: tiny 模型适合快速识别，base 模型适合一般用途，large 模型适合高精度需求
+- **文件格式**: 支持 MP3、MP4、WAV、FLAC、OGG、M4A 等常见格式