transcribe

transcribe 技能總覽

transcribe 技能能做什麼

transcribe 技能會使用 OpenAI，將音訊或影片轉成文字，並可選擇啟用說話者分離，以及提供已知說話者提示。當你需要從錄音、訪談、會議、課堂或短影片中取得穩定可靠的 transcribe 結果，尤其是需要標示說話者時，這個技能很適合。

誰適合使用它

如果你想要的是可重複的工作流程，而不是一次性的提示詞，這個 transcribe 技能就很適合。它特別適用於 Technical Writing、會議紀錄、內容營運、研究訪談，以及任何需要乾淨文字和可追蹤說話者結構的人。

這個技能有什麼不同

它的主要優勢在於作業上的清楚明確：它偏好使用打包好的 CLI，對模型與輸出格式有明確的判斷規則，並且在需要時支援帶說話者分離的輸出。這讓 transcribe 比起一般「請幫我轉錄」的提示詞，更容易穩定執行，特別是當你在意可重現性與輸出格式時。

如何使用 transcribe 技能

安裝 transcribe 技能

使用 npx skills add openai/skills --skill transcribe 安裝。如果你是直接使用這個 repository，請從 skills/.curated/transcribe 開始，並維持內建工作流程不變，除非你的環境真的需要調整。

為 transcribe 使用準備正確的輸入

要讓 transcribe 發揮最佳效果，請提供：

• 音訊或影片檔案路徑
• 需要的回應格式：text、json 或 diarized_json
• 可選的語言提示
• 如果需要說話者分離，請提供已知說話者參考

一個好的提示詞像是：「請轉錄這段 18 分鐘的訪談，回傳 diarized_json，如果可以，請標示主持人和兩位來賓。」這比只說「請幫我轉錄」更好，因為它清楚告訴技能要優化的輸出結構和說話者脈絡。

先閱讀這些檔案

先看 SKILL.md，再查看 references/api.md，了解格式限制與說話者分離規則。如果你要擴充或自動化這個流程，請檢查 scripts/transcribe_diarize.py 和 agents/openai.yaml，確認預設模型、CLI 行為，以及提示詞入口點。

實用工作流程建議

純文字快速轉錄時，使用 gpt-4o-mini-transcribe；當說話者標籤很重要時，改用 gpt-4o-transcribe-diarize。超過約 30 秒的音訊，請維持 chunking_strategy 為 auto。執行前請先確認本機已設定 OPENAI_API_KEY；這個技能預期使用的是已配置好的環境，而不是直接貼上密鑰。

transcribe 技能 FAQ

transcribe 適合 Technical Writing 嗎？

適合。當你需要把來源音訊轉成可編輯的文字，用於文件、訪談或內容整理時，transcribe 技能對 Technical Writing 很有幫助。它重點不是創意改寫，而是把口語轉成可靠、結構清楚的文字。

什麼情況下不該用 transcribe？

如果你只需要粗略摘要、不需要逐字稿，就不適合用 transcribe。若你的檔案過大，超出支援的請求限制而又不先切分，也不適合。若你想要的是大量意譯，而不是忠實的語音轉文字，這也不是好選擇。

這和一般提示詞有什麼不同？

一般提示詞也能要求轉錄，但這個 transcribe 技能多了可重複的工作流程、偏好的 CLI、明確的回應格式選項，以及說話者分離指引。當你要在多個檔案之間維持一致輸出時，這會大幅減少猜測成本。

transcribe 對初學者友善嗎？

是的，只要你能辨識檔案與想要的輸出格式就行。初學者通常只需要在純文字與帶說話者分離的輸出之間做選擇。最大的門檻通常是環境設定，所以請先確認 OPENAI_API_KEY。

如何改進 transcribe 技能

提供更好的來源脈絡給 transcribe

通常品質提升最大的來源，不是更多提示詞，而是更好的輸入。例如，請說明音訊是 podcast、電話錄音還是課堂；是否有重疊發言；以及你要的是逐字稿還是整理過的 transcript 輸出。這能幫助 transcribe 選擇更合適的處理路徑。

當說話者分離重要時，使用說話者提示

如果你知道說話者姓名，請把它們當作參考資訊提供，而不是期待模型只靠音訊就能全部推斷出來。當某些人的聲音很像，或錄音裡有多位來賓時，這一點對 transcribe 尤其重要。已知說話者能提升標籤一致性，但前提是參考資訊要正確。

一次只改一個變數反覆調整

如果第一次的 transcribe 結果不理想，就只改一個變數：模型、分段方式、回應格式，或說話者提示。不要一次把整個請求重寫。舉例來說，如果標籤錯了，就先維持轉錄目標不變，只加入說話者參考，或改成 diarized JSON。

留意常見失敗模式

最常見的問題包括：API key 未設定、檔案處理不支援、輸出需求太模糊，以及在沒有可用說話者脈絡的情況下要求說話者分離。如果你要替工作流程建立 transcribe 指南，請把預期支援的檔案類型、偏好的輸出格式，以及錄音太雜訊或太長時的備用方案都寫清楚。