Token导航 LogoToken导航

Agent Skill · 效率

zhipu-asr(智浦 ASR)

zhipu-asr 用于处理音频、语音、转写和声音素材相关任务,适合在 OpenClaw 中需要整理音频流程、转写内容或生成配音素材时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

zhipu-asr 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 2,154。

总安装 28,527周安装 1,154GitHub Stars 公开资料未说明下载 8,955核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.2

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:zhipu-asr(智浦 ASR)
来源仓库:https://github.com/franklu0819-lang/zhipu-asr
安装命令:
openclaw skills install zhipu-asr
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install zhipu-asr

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

zhipu-asr 使用智普AI的GLM-ASR模型进行音频转写,支持中文识别。适合在 OpenClaw 中需要让 Agent 将音频文件转录为文本时使用。通过 clawhub 安装,结合来源仓库和 README 可核验具体用法。安装前需确认权限范围、维护状态,以及是否会触发联网或文件读写。

涉及语音处理时建议检查音频格式兼容性。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install zhipu-asr;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

zhipu-asr 怎么安装?

在终端执行 openclaw skills install zhipu-asr。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

zhipu-asr 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

zhipu-asr 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

zhipu-asr 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

zhipu-asr 用的人多吗?

公开数据是累计安装 28,527 次,近一周安装 1,154 次,下载 8,955 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

zhipu-asr 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
zhipu-asr

智浦 ASR · 本页

28,527—接触敏感数据MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
zhipu-asr
description
Automatic Speech Recognition (ASR) using Zhipu AI (BigModel) GLM-ASR model. Use when you need to transcribe audio files to text. Supports Chinese audio transcription with context prompts, custom hotwords, and multiple audio formats.
metadata

Zhipu AI Automatic Speech Recognition (ASR)

Transcribe Chinese audio files to text using Zhipu AI's GLM-ASR model.

Setup

1. Get your API Key: Get a key from Zhipu AI Console

2. Set it in your environment:

export ZHIPU_API_KEY="your-key-here"

Supported Audio Formats

  • WAV - Recommended, best quality
  • MP3 - Widely supported
  • OGG - Auto-converted to MP3
  • M4A - Auto-converted to MP3
  • AAC - Auto-converted to MP3
  • FLAC - Auto-converted to MP3
  • WMA - Auto-converted to MP3
Note: The script automatically converts unsupported formats to MP3 using ffmpeg. Only WAV and MP3 are accepted by the API, but you can use any format that ffmpeg supports.

File Constraints

  • Maximum file size: 25 MB
  • Maximum duration: 30 seconds
  • Recommended sample rate: 16000 Hz or higher
  • Audio channels: Mono or stereo

Usage

Basic Transcription

Transcribe an audio file with default settings:

bash scripts/speech_to_text.sh recording.wav

Transcription with Context

Provide previous transcription or context for better accuracy:

bash scripts/speech_to_text.sh recording.wav "这是之前的转录内容,有助于提高准确性"

Transcription with Hotwords

Use custom vocabulary to improve recognition of specific terms:

bash scripts/speech_to_text.sh recording.mp3 "" "人名,地名,专业术语,公司名称"

Full Options

Combine context and hotwords:

bash scripts/speech_to_text.sh recording.wav "会议记录片段" "张三,李四,项目名称"

Parameters:

  • audio_file (required): Path to audio file (.wav or .mp3)
  • prompt (optional): Previous transcription or context text (max 8000 chars)
  • hotwords (optional): Comma-separated list of specific terms (max 100 words)

Features

Context Prompts

Why use context prompts:

  • Improves accuracy in long conversations
  • Helps with domain-specific terminology
  • Maintains consistency across multiple segments

When to use:

  • Multi-part conversations or meetings
  • Technical or specialized content
  • Continuing from previous transcriptions

Example:

bash scripts/speech_to_text.sh part2.wav "第一部分的转录内容:讨论了项目进展和下一步计划"

Hotwords

What are hotwords: Custom vocabulary list that boosts recognition accuracy for specific terms.

Best use cases:

  • Proper names (people, places)
  • Domain-specific terminology
  • Company names and products
  • Technical jargon
  • Industry-specific terms

Examples:

# Medical transcription
bash scripts/speech_to_text.sh medical.wav "" "患者,症状,诊断,治疗方案"

# Business meeting
bash scripts/speech_to_text.sh meeting.wav "" "张经理,李总,项目代号,预算"

# Tech discussion
bash scripts/speech_to_text.sh tech.wav "" "API,数据库,算法,框架"

Workflow Examples

Transcribe a Meeting

# Part 1
bash scripts/speech_to_text.sh meeting_part1.wav

# Part 2 with context
bash scripts/speech_to_text.sh meeting_part2.wav "第一部分讨论了项目进度" "张总,李经理,项目名称"

# Part 3 with context
bash scripts/speech_to_text.sh meeting_part3.wav "前两部分讨论了项目进度和预算" "张总,李经理,项目名称"

Transcribe a Lecture

bash scripts/speech_to_text.sh lecture.wav "" "教授,课程名称,专业术语1,专业术语2"

Process Multiple Files

for file in recording_*.wav; do
    bash scripts/speech_to_text.sh "$file"
done

Audio Quality Tips

Best practices for accurate transcription:

  1. Clear audio source

- Minimize background noise - Use good quality microphone - Speak clearly and at moderate pace

  1. Optimal audio settings

- Sample rate: 16000 Hz or higher - Bit depth: 16-bit or higher - Single channel (mono) is sufficient

  1. File preparation

- Remove silence from beginning/end - Normalize audio levels - Ensure consistent volume

Output Format

The script outputs JSON with:

  • id: Task ID
  • created: Request timestamp (Unix timestamp)
  • request_id: Unique request identifier
  • model: Model name used
  • text: Transcribed text

Example output:

{
  "id": "task-12345",
  "created": 1234567890,
  "request_id": "req-abc123",
  "model": "glm-asr-2512",
  "text": "你好,这是转录的文本内容"
}

Troubleshooting

File Size Issues:

  • Split audio files larger than 25 MB
  • Reduce sample rate or bit depth
  • Use compression (MP3) for smaller files

Duration Issues:

  • Split recordings longer than 30 seconds
  • Process segments separately
  • Use context prompts to maintain continuity

Poor Accuracy:

  • Improve audio quality
  • Use hotwords for specific terms
  • Provide context prompts
  • Ensure clear speech and minimal noise

Format Issues:

  • Ensure file is .wav or .mp3
  • Check file is not corrupted
  • Verify audio can be played by standard players

Limitations

  • Maximum audio duration: 30 seconds per request
  • File size limit: 25 MB
  • Maximum hotwords: 100 terms
  • Context prompt limit: 8000 characters
  • Best performance with Chinese language audio

Performance Notes

  • Typical transcription time: 1-3 seconds
  • Real-time or faster for most audio
  • Processing time scales with audio quality and length

平台分布

OpenClaw

83.5%
按下载量换算7,477

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills