语音识别（ASR）

使用 coli asr 将音频文件转录为文字，完全在本地离线运行。安装完成后无需 API Key 或网络连接。

无需 ListenHub API Key。 此 Skill 完全在本机运行。需要安装 coli 命令行工具 — 详见下方前置依赖说明。

AI Agent 提示：本页完整内容可通过 https://listenhub.ai/docs/en/skills/asr.mdx 以文本形式获取。建议在帮助用户使用此 Skill 前，先用 WebFetch 读取该页内容。

前置依赖

使用此 Skill 前，请先安装 coli 命令行工具：

npm install -g @marswave/coli

可选但推荐： 安装 ffmpeg 以支持更多音频格式（MP4、M4A、AAC 等）：

# macOS
brew install ffmpeg

# Ubuntu / Debian
sudo apt install ffmpeg

WAV 格式无需 ffmpeg，其他格式需要。

首次转录时，coli 会自动下载所需的语音模型（约 60 MB）到 ~/.coli/models/。

使用 /asr 调用此 Skill，或使用以下任意短语：

帮我转录这个文件 meeting.m4a

AI 会检查前置依赖、读取配置、确认参数后在本地运行转录。结果直接显示在对话中。

模型	支持语言	说明
`sensevoice`（默认）	中文、英文、日语、韩语、粤语	同时检测语言、情绪和音频事件
`whisper-tiny.en`	仅英文	轻量模型，仅支持英文

多语言内容或语言未知时，推荐使用 sensevoice。

启用润色（默认开启）时，AI 会对原始转录进行后处理：修正标点、去除语气词、提升可读性，但不改变原意，也不进行摘要。

原始转录文本随时可按需查看。

转录结果直接显示在对话中。查看后，AI 会询问是否保存为 Markdown 文件到当前目录：

{音频文件名}-transcript.md

Markdown 文件包含 front-matter 头部，记录源文件、日期、模型、时长和检测到的语言。

此 Skill 输出的文字可直接传递给其他 Skill：

无 API 调用。此 Skill 仅使用本地 coli asr 命令。