mcpbeat

Qwen3 Asr Assistant

anbeime/qwen3-asr-assistant

智能语音转文字助手，基于 Qwen3-ASR 模型，支持实时语音识别和智能文本改写。可以将录音转换为文字，并一键改写成邮件、笔记、社交媒体文案，支持复制、分享和录音拼接。适用于会议纪要、语音备忘、内容创作等多种场景。

8k tokens
context cost
the whole folder, loaded on every use
4
files
ships runnable scripts
0
copies elsewhere
how many repositories repackaged it
4658
stars on the repo
on the repository, not the skill itself

Install

one command, takes just this skill from the repository 
npx skills add https://github.com/anbeime/skill --skill qwen3-asr-assistant

What comes with it

24 887 bytes besides the instruction
references/asr-api-config.md
references/text-rewrite-guide.md
scripts/asr_transcriber.py

The instruction itself

8 sections, as written by the author

Qwen3-ASR 智能语音转文字助手

任务目标

  • 本 Skill 用于：将语音转换为文字，并提供智能文本改写功能
  • 能力包含：
  • 实时语音识别（语音转文字）
  • 智能文本改写（邮件、笔记、社交媒体文案）
  • 文字拼接（多段录音合并）
  • 一键复制和分享
  • 触发条件：用户提出"语音转文字"、"录音转文字"、"语音备忘"等需求

前置准备

  • 依赖说明：Qwen3-ASR 调用所需的 Python 库
  requests>=2.28.0
  numpy>=1.21.0
  • 无需额外文件或文件夹准备

操作步骤

标准流程（语音转文字 + 智能改写）

  • 录音/上传音频（调用方提供）
  • 点击录音按钮开始录音
  • 点击停止结束录音
  • 或上传已有的音频文件
  • 语音转文字（智能体调用脚本）
   from scripts.asr_transcriber import Qwen3ASRTranscriber
   
   transcriber = Qwen3ASRTranscriber()
   result = transcriber.transcribe(
       audio_file="recording.wav",
       language="zh-CN"
   )
   text = result["text"]
  • 文字改写（智能体处理）
  • 根据用户需求选择改写类型：
  • 改写成邮件：正式、结构化，包含主题、正文、落款
  • 改写成笔记：要点清晰、层次分明，使用列表和标记
  • 改写成社交媒体文案：简洁、有吸引力，使用表情符号和话题标签
  • 智能体分析原文内容，识别关键信息
  • 根据改写类型调整语气、结构和风格
  • 复制/分享（智能体处理）
  • 一键复制：智能体将改写后的文本复制到剪贴板
  • 一键分享：智能体生成分享格式，适配微信等平台
  • 录音拼接（智能体处理）
  • 继续录音，生成新的文字
  • 智能体将新文字拼接到原文
  • 保持文本连贯性，添加适当的连接词

多段录音拼接流程

  • 第一段录音：按照标准流程进行语音转文字
  • 继续录音：用户点击继续录音
  • 转文字：调用脚本识别新录音
  • 智能拼接：智能体将新文字拼接到原文
   # 智能体处理拼接
   full_text = original_text + "\n\n" + new_text

资源索引

  • 必要脚本：
  • scripts/asr_transcriber.py（用途：语音转文字，支持多种音频格式和实时识别）
  • 领域参考：
  • references/asr-api-config.md（何时读取：需要了解 ASR API 配置和参数时）
  • references/text-rewrite-guide.md（何时读取：需要了解文本改写规则和模板时）
  • 输出资产：无预置模板，改写后的文本根据需求动态生成

注意事项

  • 录音质量：确保录音清晰，无过多背景噪音，提高识别准确率
  • 文本改写：充分利用智能体的语言理解和创作能力，避免为改写编写脚本
  • 拼接连贯性：多段录音拼接时，智能体应添加适当的连接词，保持文本连贯
  • 改写准确性：改写时应保留原文的核心信息和意图，不随意增删内容
  • 适配场景：根据使用场景选择合适的改写类型（邮件/笔记/社交媒体）

使用示例

示例 1：会议纪要转笔记

场景：录制会议语音，转换为结构化的会议笔记

执行流程：

  • 录制会议语音（60分钟）
  • 调用脚本转文字：
   from scripts.asr_transcriber import Qwen3ASRTranscriber
   
   transcriber = Qwen3ASRTranscriber()
   result = transcriber.transcribe(
       audio_file="meeting.wav",
       language="zh-CN"
   )
   meeting_text = result["text"]
  • 智能体改写成笔记：
   # 会议笔记
   
   ## 时间地点
   - 时间：2024年1月23日
   - 地点：公司会议室
   
   ## 参会人员
   - 张经理、李主管、王工程师
   
   ## 主要议题
   1. Q1业绩回顾
      - 销售额增长20%
      - 新用户增加5000人
   
   2. Q2工作计划
      - 推出新产品线
      - 加强市场推广
      - 优化客户服务
   
   3. 决议事项
      - 批准新产品线预算
      - 成立市场推广小组

示例 2：语音转邮件

场景：录制语音备忘，转换为正式邮件

执行流程：

  • 录制语音备忘："小王，关于明天的项目会议，请准备好以下材料：项目进度报告、预算表、团队人员名单。会议时间是上午10点，地点在3号会议室。"
  • 调用脚本转文字
  • 智能体改写成邮件：
   主题：明天项目会议准备材料
   
   小王：
   
   你好！
   
   关于明天上午10点在3号会议室召开的项目会议，请提前准备好以下材料：
   
   1. 项目进度报告
   2. 预算表
   3. 团队人员名单
   
   如有疑问，请及时联系我。
   
   祝好！
   张经理

示例 3：语音转社交媒体文案

场景：录制语音灵感，转换为社交媒体发布文案

执行流程：

  • 录制语音灵感："今天尝试了一家超棒的咖啡店，咖啡味道很浓郁，环境也很舒服，很适合工作。推荐给大家！"
  • 调用脚本转文字
  • 智能体改写成社交媒体文案：
   ☕️ 今日份咖啡推荐！
   
   今天发现了一家宝藏咖啡店 ☕✨
   
   咖啡口感浓郁，环境舒适超治愈，简直是工作充电的好地方～
   
   #咖啡探店 #工作日常 #周末好去处
   
   📍 地址：[咖啡店名称]
   ⭐ 推荐：招牌拿铁、手冲咖啡

示例 4：多段录音拼接

场景：录制长篇语音，分多段录音，最后拼接完整文本

执行流程：

  • 第一段录音（0-10分钟）：
   result1 = transcriber.transcribe("part1.wav")
   text1 = result1["text"]
  • 第二段录音（10-20分钟）：
   result2 = transcriber.transcribe("part2.wav")
   text2 = result2["text"]
  • 第三段录音（20-30分钟）：
   result3 = transcriber.transcribe("part3.wav")
   text3 = result3["text"]
  • 智能体拼接：
   完整文本：
   
   [第一段内容]
   
   ...（智能体添加连接词）...
   
   [第二段内容]
   
   ...（智能体添加连接词）...
   
   [第三段内容]

示例 5：一键复制和分享

场景：语音转文字后，一键复制或分享到微信

执行流程：

  • 语音转文字
  • 智能体改写成目标格式
  • 一键复制：
   文本已复制到剪贴板！
  • 一键分享到微信：
   ✅ 文本已生成，可以分享到微信
   
   分享格式：
   [改写后的文本]
   
   #会议纪要 #工作效率

API 参考

Qwen3ASRTranscriber 类

初始化：

Qwen3ASRTranscriber(api_key=None, base_url=None)

主要方法：

# 语音转文字
transcribe(
    audio_file: str,
    language: str = "zh-CN",
    format: str = "wav",
    sample_rate: int = 16000,
    return_timestamps: bool = False
) -> dict

# 返回格式
{
    "success": True,
    "text": "识别的文字",
    "language": "zh-CN",
    "duration": 120.5,
    "segments": [...]  # 如果 return_timestamps=True
}

How to use it

Copy the folder

Take anbeime/qwen3-asr-assistant from the repository into ~/.claude/skills for personal use, or into .claude/skills inside a project.

Check the name does not clash

The agent identifies a skill by the name field in its header. Two skills with the same name cannot sit side by side — one of them will be ignored.