音訊轉繁中逐字稿 Skill

本機檔案：

GEMINI_API_KEY=your_api_key node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "./recordings/meeting.m4a"

搭配 meeting-note-formatter 使用：

# 先轉錄音訊
GEMINI_API_KEY=your_api_key node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "recording.mp3" > transcript.md

# 再用 meeting-note-formatter 整理成會議紀錄

Dry Run

設定 AUDIO_TRANSCRIBER_DRY_RUN=1 可在不呼叫 Gemini API 的情況下，預覽輸入解析結果：

AUDIO_TRANSCRIBER_DRY_RUN=1 node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "https://example.com/test.mp3"

輸出範例：

{
  "source": "remote-url",
  "mimeType": "audio/mpeg",
  "localPath": null,
  "uriPreview": "data:audio/mpeg;base64,..."
}

輸出格式

• 輸出為繁體中文 Markdown 格式的逐字稿
• 多位說話者時使用「說話者 A」「說話者 B」等標記區分
• 無法辨識的片段標記為「[無法辨識]」
• 結果輸出至 stdout，進度與錯誤訊息輸出至 stderr

Instructions for the Agent

⚠️ skill 腳本位於 repo 根目錄。若 cwd 不在 repo root，先獨立執行 git rev-parse --show-toplevel 取得路徑，再 cd 到該路徑後執行。禁止使用 $(...) 語法。

1. 向使用者取得音訊檔案的 URL 或本機路徑（如果尚未提供）。
2. 確認環境中已設定 GEMINI_API_KEY。
3. 執行轉錄腳本：

   node .agents/skills/gemini-audio-transcriber/scripts/transcribe.js "<audio-path-or-url>"
   

4. 如果輸入是本機檔案路徑或 file:// URL，腳本會自動轉換為 Base64 data URI。
5. 將生成的逐字稿呈現給使用者。
6. 如果使用者需要進一步整理為會議紀錄，建議搭配 meeting-note-formatter skill 處理轉錄結果。
7. 如果腳本以非零狀態碼退出，將錯誤訊息回報給使用者。

限制

• 音訊檔案大小受 Gemini API 限制（建議不超過 20MB）
• 遠端 URL 下載有 30 秒逾時限制
• 轉錄品質取決於音訊清晰度與語言
• 主要針對中文語音最佳化，其他語言仍會嘗試轉錄為繁體中文

錯誤處理

• 缺少 GEMINI_API_KEY 時，腳本以狀態碼 1 退出並顯示錯誤訊息。
• 缺少音訊輸入或格式無效時，腳本以狀態碼 1 退出並顯示用法說明。
• 無法讀取本機檔案時，腳本以狀態碼 1 退出並回報路徑相關錯誤。
• 遠端 URL 下載逾時或失敗時，腳本以狀態碼 1 退出並回報網路錯誤。
• API 錯誤訊息輸出至 stderr，程序以狀態碼 1 退出。

重新建置

如需修改腳本，編輯 src/transcribe.js 後重新建置：

cd .agents/skills/gemini-audio-transcriber
bun install
bun build src/transcribe.js --outfile scripts/transcribe.js --target node --minify