Qwen3 語音轉文字 Skill

---
name: qwen3-asr-assistant
description: 智慧語音轉文字助手，基於 Qwen3-ASR 模型，支援實時語音識別和智慧文字改寫。可以將錄音轉換為文字，並一鍵改寫成郵件、筆記、社群媒體文案，支援複製、分享和錄音拼接。適用於會議紀要、語音備忘、內容創作等多種場景。
dependency:
  python:
    - requests>=2.28.0
    - numpy>=1.21.0
  system: []
---

# Qwen3-ASR 智慧語音轉文字助手

## 任務目標
- 本 Skill 用於：將語音轉換為文字，並提供智慧文字改寫功能
- 能力包含：
  - 實時語音識別（語音轉文字）
  - 智慧文字改寫（郵件、筆記、社群媒體文案）
  - 文字拼接（多段錄音合併）
  - 一鍵複製和分享
- 觸發條件：使用者提出"語音轉文字"、"錄音轉文字"、"語音備忘"等需求

## 前置準備
- 依賴說明：Qwen3-ASR 呼叫所需的 Python 庫
  ```
  requests>=2.28.0
  numpy>=1.21.0
  ```
- 無需額外檔案或資料夾準備

## 操作步驟

### 標準流程（語音轉文字 + 智慧改寫）

1. **錄音/上傳音訊**（呼叫方提供）
   - 點擊錄音按鈕開始錄音
   - 點擊停止結束錄音
   - 或上傳已有的音訊檔案

2. **語音轉文字**（智慧體呼叫腳本）
   ```python
   from scripts.asr_transcriber import Qwen3ASRTranscriber
   
   transcriber = Qwen3ASRTranscriber()
   result = transcriber.transcribe(
       audio_file="recording.wav",
       language="zh-CN"
   )
   text = result["text"]
   ```

3. **文字改寫**（智慧體處理）
   - 根據使用者需求選擇改寫型別：
     - **改寫成郵件**：正式、結構化，包含主題、正文、落款
     - **改寫成筆記**：要點清晰、層次分明，使用列表和標記
     - **改寫成社群媒體文案**：簡潔、有吸引力，使用表情符號和話題標籤
   - 智慧體分析原文內容，識別關鍵資訊
   - 根據改寫型別調整語氣、結構和風格

4. **複製/分享**（智慧體處理）
   - 一鍵複製：智慧體將改寫後的文字複製到剪貼簿
   - 一鍵分享：智慧體生成適合 X/Twitter 的分享格式

5. **錄音拼接**（智慧體處理）
   - 繼續錄音，生成新的文字
   - 智慧體將新文字拼接到原文
   - 保持文字連貫性，新增適當的連線詞

### 多段錄音拼接流程

1. **第一段錄音**：按照標準流程進行語音轉文字
2. **繼續錄音**：使用者點擊繼續錄音
3. **轉文字**：呼叫腳本識別新錄音
4. **智慧拼接**：智慧體將新文字拼接到原文
   ```python
   # 智慧體處理拼接
   full_text = original_text + "\n\n" + new_text
   ```

## 資源索引
- 必要腳本：
  - [scripts/asr_transcriber.py](scripts/asr_transcriber.py)（用途：語音轉文字，支援多種音訊格式和實時識別）
- 領域參考：
  - [references/asr-api-config.md](references/asr-api-config.md)（何時讀取：需要了解 ASR API 配置和參數時）
  - [references/text-rewrite-guide.md](references/text-rewrite-guide.md)（何時讀取：需要了解文字改寫規則和模板時）
- 輸出資產：無預置模板，改寫後的文字根據需求動態生成

## 注意事項
- **錄音品質**：確保錄音清晰，無過多背景噪音，提高識別準確率
- **文字改寫**：充分利用智慧體的語言理解和創作能力，避免為改寫編寫腳本
- **拼接連貫性**：多段錄音拼接時，智慧體應新增適當的連線詞，保持文字連貫
- **改寫準確性**：改寫時應保留原文的核心資訊和意圖，不隨意增刪內容
- **適配場景**：根據使用場景選擇合適的改寫型別（郵件/筆記/社群媒體）

## 使用範例

### 範例 1：會議紀要轉筆記

**場景**：錄製會議語音，轉換為結構化的會議筆記

**執行流程**：
1. 錄製會議語音（60分鐘）
2. 呼叫腳本轉文字：
   ```python
   from scripts.asr_transcriber import Qwen3ASRTranscriber
   
   transcriber = Qwen3ASRTranscriber()
   result = transcriber.transcribe(
       audio_file="meeting.wav",
       language="zh-CN"
   )
   meeting_text = result["text"]
   ```

3. 智慧體改寫成筆記：
   ```
   # 會議筆記
   
   ## 時間地點
   - 時間：2024年1月23日
   - 地點：公司會議室
   
   ## 參會人員
   - 張經理、李主管、王工程師
   
   ## 主要議題
   1. Q1業績回顧
      - 銷售額增長20%
      - 新使用者增加5000人
   
   2. Q2工作計劃
      - 推出新產品線
      - 加強市場推廣
      - 最佳化客戶服務
   
   3. 決議事項
      - 批准新產品線預算
      - 成立市場推廣小組
   ```

### 範例 2：語音轉郵件

**場景**：錄製語音備忘，轉換為正式郵件

**執行流程**：
1. 錄製語音備忘："小王，關於明天的專案會議，請準備好以下材料：專案進度報告、預算表、團隊人員名單。會議時間是上午10點，地點在3號會議室。"
2. 呼叫腳本轉文字
3. 智慧體改寫成郵件：
   ```
   主題：明天專案會議準備材料
   
   小王：
   
   你好！
   
   關於明天上午10點在3號會議室召開的專案會議，請提前準備好以下材料：
   
   1. 專案進度報告
   2. 預算表
   3. 團隊人員名單
   
   如有疑問，請及時聯絡我。
   
   祝好！
   張經理
   ```

### 範例 3：語音轉社群媒體文案

**場景**：錄製語音靈感，轉換為社群媒體發布文案

**執行流程**：
1. 錄製語音靈感："今天嘗試了一家超棒的咖啡店，咖啡味道很濃郁，環境也很舒服，很適合工作。推薦給大家！"
2. 呼叫腳本轉文字
3. 智慧體改寫成社群媒體文案：
   ```
   ☕️ 今日份咖啡推薦！
   
   今天發現了一家寶藏咖啡店 ☕✨
   
   咖啡口感濃郁，環境舒適超治癒，簡直是工作充電的好地方～
   
   #咖啡探店 #工作日常 #週末好去處
   
   📍 地址：[咖啡店名稱]
   ⭐ 推薦：招牌拿鐵、手衝咖啡
   ```

### 範例 4：多段錄音拼接

**場景**：錄製長篇語音，分多段錄音，最後拼接完整文字

**執行流程**：
1. **第一段錄音**（0-10分鐘）：
   ```python
   result1 = transcriber.transcribe("part1.wav")
   text1 = result1["text"]
   ```

2. **第二段錄音**（10-20分鐘）：
   ```python
   result2 = transcriber.transcribe("part2.wav")
   text2 = result2["text"]
   ```

3. **第三段錄音**（20-30分鐘）：
   ```python
   result3 = transcriber.transcribe("part3.wav")
   text3 = result3["text"]
   ```

4. **智慧體拼接**：
   ```
   完整文字：
   
   [第一段內容]
   
   ...（智慧體新增連線詞）...
   
   [第二段內容]
   
   ...（智慧體新增連線詞）...
   
   [第三段內容]
   ```

### 範例 5：一鍵複製和分享

**場景**：語音轉文字後，一鍵複製或整理成 X/Twitter 分享文

**執行流程**：
1. 語音轉文字
2. 智慧體改寫成目標格式
3. **一鍵複製**：
   ```
   文字已複製到剪貼簿！
   ```
4. **整理成 X/Twitter 分享文**：
   ```
   ✅ 文字已生成，可以整理成 X/Twitter 版本
   
   分享格式：
   [改寫後的文字]
   
   #會議紀要 #工作效率
   ```

## API 參考

### Qwen3ASRTranscriber 類

**初始化**：
```python
Qwen3ASRTranscriber(api_key=None, base_url=None)
```

**主要方法**：
```python
# 語音轉文字
transcribe(
    audio_file: str,
    language: str = "zh-CN",
    format: str = "wav",
    sample_rate: int = 16000,
    return_timestamps: bool = False
) -> dict

# 回傳格式
{
    "success": True,
    "text": "識別的文字",
    "language": "zh-CN",
    "duration": 120.5,
    "segments": [...]  # 如果 return_timestamps=True
}
```