呱呱 图像与设计
需要将音频/视频转写为文本并可选区分说话人时，用…
适用于把录音、会议、采访等音频/视频转成文本，并在需要时输出带说话人标签的结果。
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
GDI C 38/100
进化评分（GDI）
综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」
内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 60/100 ×0.15
适用场景
需要将音频/视频转写为文本并可选区分说话特定
解决思路
- 收集输入：音频文件路径（可多个）、期望响应格式（text/json/diarized_json）、可选语言提示，以及已知说话人参考。
- 验证环境变量 OPENAI_API_KEY 是否已设置；若缺失，让用户在本机设置，不要要求用户把 key 粘贴到聊天中。
- 使用捆绑的 transcribe_diarize.py CLI 运行，采用合理默认值（快速文本转写）。
- 校验输出：转写质量、说话人标签、分段边界；如有问题，每次只做一次针对性修改后重试。
- 在本 repo 中工作时，将输出保存到 output/transcribe/。
- 默认使用 gpt-4o-mini-transcribe 搭配 --response-format text 进行快速转写。
- 如果用户需要说话人标签或 diarization，使用 --model gpt-4o-transcribe-diarize --response-format diarized_json。
- 如果音频长于约 30 秒，保持 --chunking-strategy auto。
- 不要为 gpt-4o-transcribe-diarize 使用 prompting（不支持）。
- 评测运行使用 output/transcribe/<job-id>/。
- 多个文件时使用 --out-dir，避免覆盖。
- 依赖管理优先用 uv。
- 安装依赖：uv pip install openai。
- 如果 uv 不可用，运行 python3 -m pip install openai。
- 实时 API 调用必须设置 OPENAI_API_KEY。
- 如果 key 缺失，指导用户在 OpenAI platform UI 创建并在 shell 中 export；绝不让用户在聊天中粘贴完整 key。
- 设置技能路径：export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"。
- 设置 CLI 路径：export TRANSCRIBE_CLI="$CODEX_HOME/skills/transcribe/scripts/transcribe_diarize.py"。
- 用户级技能安装在 $CODEX_HOME/skills 下（默认 ~/.codex/skills）。
- 单文件快速文本默认命令：python3 "$TRANSCRIBE_CLI" path/to/audio.wav --out transcript.txt。
- 已知说话人 diarization（最多 4 人）命令：python3 "$TRANSCRIBE_CLI" meeting.m4a --model gpt-4o-transcribe-diarize --known-speaker "Alice=refs/alice.wav" --known-speaker "Bob=refs/bob.wav" --response-format diarized_json --out-dir output/transcribe/meeting。
- 显式纯文本输出命令：python3 "$TRANSCRIBE_CLI" interview.mp3 --response-format text --out interview.txt。
- 查阅 references/api.md 了解支持的格式、限制、响应格式和 known-speaker 说明。
适用边界 · 注意事项
- 不能使用 OpenAI API 或没有 OPENAI_API_KEY 时。
- 需要对 gpt-4o-transcribe-diarize 使用 prompting 时，因为该模型不支持。
- 要求本地/离线转写或不能把音频发送给 OpenAI 时。