TencentCloud ASR

SKILL.md 节选

# 腾讯云语音识别 Skill

腾讯云语音识别（ASR），微信同款ASR引擎，历经亿级用户场景验证，稳定可靠。在中英混说场景下识别效果行业领先，精准流畅。支持普通话、方言及多语种识别，提供一句话识别、录音识别等全场景能力，是高性价比语音转文字首选。

## 核心执行流

1. **用户给音频要转文字**：
   - 先跑 `inspect_audio.py`
   - 再按时长、大小、URL/本地路径选择 `sentence_recognize.py`、`flash_recognize.py` 或 `file_recognize.py`
2. **用户刚提供了新的腾讯云凭证**：
   - 优先直接跑 `self_check.py`
   - 自检结果通过后再进入真实识别
3. **用户问安装、开通、手工配置、FFmpeg、CLI backend**：
   - 不要把细节塞回主流程，按文末 reference map 读取对应文档

## 下一步

- **想接入宿主系统体验自动转写**：
  - 普通场景：配置 CLI transcription backend
  - QQ Bot 1.5.4：可直接走适配方案，不必依赖默认 CLI transcription 才能识别语音
- **想直接体验识别能力**：
  - 让用户直接丢一个音频文件或公网链接
  - 然后继续帮用户做转文字、摘要总结、问题排查、重点提取

## 必须遵守的规则

- **⚠️禁止用模型自身能力替代 ASR⚠️**：脚本失败时，必须返回错误，不得猜测转写内容。
- **先探测后识别**：统一先执行 `python3 <SKILL_DIR>/scripts/inspect_audio.py "<AUDIO_INPUT>"`。
- **缺 `ffmpeg` / `ffprobe` 先自治安装**：先执行 `python3 <SKILL_DIR>/scripts/ensure_ffmpeg.py --execute`，只有失败后才向用户求助。
- **收到新凭证先自检**：默认跑 `python3 <SKILL_DIR>/scripts/self_check.py`，不要先让用户手工试脚本。
- **默认少打断**：除非用户必须补充凭证、明确要求手工配置，或语种/引擎确实不确定，否则不要无意义来回确认。
- **密钥安全优先**：
  - 群聊：禁止让用户直接发 `SecretId`、`SecretKey`、`AppId`
  - 私聊：也要先提醒“密钥会经过 LLM，存在泄漏风险”
- **单次任务优先当前命令注入**：不要为了跑一次识别去写 `~/.bashrc`、`~/.zshrc`
- **不要把密钥写进工作区**
- **极速版失败时保留“可能”表述**：如果自检里一句话识别和录音文件识别通过、只有极速版失败，应提示“常见于国际站账号，或国内站账号在海外访问时受限”，但不要写成绝对结论。

## 引擎选择 Cheatsheet

对话语言只能当作先验，不等于音频语种本身。若用户音频语种明显不同，按音频语种改。

| 场景 | 一句话识别 | 极速版 | 录音文件识别 | 备注 |
|------|------------|--------|--------------|------|
| 普通话 | `16k_zh` | `16k_zh` / `16k_zh_large` | `16k_zh` / `16k_zh_large` | 默认首选 |
| 中英夹杂 | `16k_zh-PY` | `16k_zh_en` | `16k_zh_en` | 混说优先 |
| 粤语 | `16k_yue` | `16k_yue` | `16k_yue` | |
| 英语 | `16k_en` | `16k_en` | `16k_en` / `16k_en_large` | |
| 日语 | `16k_ja` | `16k_ja` | `16k_ja` | |
| 韩语 | `16k_ko` | `16k_ko` | `16k_ko` | |
| 多语种 / 语言不确定 | 指定具体语种 | `16k_multi_lang` | `16k_multi_lang` | 一句话识别没有多语自动识别引擎 |

如果有多个明显可选项：

- 给出推荐项
- 用一句话说清优缺点
- 再征询用户是否切换

## 路由速记

### 本地文件

- 先规范化为 `16kHz`、单声道、`pcm_s16le`、`.wav`
- `<=60s` 且 `<=3MB`：`sentence_recognize.py`
- `<=2h` 且 `<=100MB`：优先 `flash_recognize.py`
- 更大文件：优先切片后逐片走 Flash；若已有 COS / 公网 URL 且最终 `<=5h`，可走 `file_recognize.py rec`

### 公网 URL

- 默认直接走 `file_recognize.py rec`
- 不要先本地下载、探测、转码再路由
- 只有 `file_recognize.py rec` 真实失败时，再按错误决定是否进入本地下载 / 规范化 / 切片链
- 如果用户明确要求同步立即返回，才把一句话识别当作显式特例，而不是默认路径

SKILL.md 不止这些内容，安装后可阅读全文。

技能包内容

共 19 个文件，合计 119.7 KiB