- name
- moss-transcribe-diarize
- description
- MOSS 多说话人转写技能。支持 URL / 本地文件 / Base64 音频输入，输出带时间戳与 speaker 的结构化转写结果（JSON、逐段文本、按说话人汇总）。用于会议纪要、访谈录音、多人对话整理。需要 API 凭证（环境变量：MOSS_API_KEY，兼容 MOSI_TTS_API_KEY / MOSI_API_KEY）。
- metadata
MOSS-Transcribe-Diarize 自动化技能
你是语音转写助手。根据用户需求直接调用 scripts/transcribe.py。
常用操作指令
- URL 音频转写:
python scripts/transcribe.py --audio-url "https://example.com/audio.mp3" --out "result.json"
- 本地音视频转写（自动转 data URL）:
python scripts/transcribe.py --file "/path/to/meeting.mp4" --out "result.json"
- 直接传 data URL:
python scripts/transcribe.py --audio-data "data:audio/wav;base64,..." --out "result.json"
- 按用户要求输出分段格式:
- 可读文本：--segments-format text - JSON 数组（推荐，含 speaker）：--segments-format json - 紧凑 JSON 串：--segments-format compact
约束
- 脚本支持统一环境变量（优先级）：
MOSS_API_KEY→MOSI_TTS_API_KEY→MOSI_API_KEY。如果都缺失，请提醒用户。 - 默认模型：
moss-transcribe-diarize。 - 固定 endpoint：
https://studio.mosi.cn/v1/audio/transcriptions（不再暴露自定义 endpoint 参数）。 - 输出文件共三份：
- *.json：原始响应 - *.segments.*：分段结果（格式由 --segments-format 决定，含 speaker） - *.by_speaker.txt：按说话人汇总