skill-listen

skill-listen · 录音转写技能（讯飞 LFASR × Fmode 网关）

把录音/视频的音轨转写成文字——AI Agent 的"耳朵"。 讯飞「录音文件转写」(LFASR) 异步识别，经 Fmode 网关 POST /api/listen/transcribe 完成。讯飞凭据仅服务端持有，客户端只需 fmode token，按音频真实时长计费。

能力

• 🎙️ 会议 / 采访 / 课程录音转文字（中英多语种 + 方言）
• 🎬 视频先抽音轨再转写（配合 fmode-ffmpeg：npx fmode-ffmpeg exec -- -y -i in.mp4 -vn -ar 16000 -ac 1 out.wav）
• 👥 说话人分离（多人对话按角色整理）
• 📄 输出纯文本或完整 JSON（--out result.json）

快速开始

# 直接连网关转写（无需安装技能，一行命令）
npx --yes fmode-listen@latest transcribe -- meeting.mp3

# 指定语言 + 说话人分离 + 写出完整 JSON
npx --yes fmode-listen@latest transcribe -- meeting.mp3 \
  --language autodialect --diarize --speakers 3 --out result.json

# 自定义网关（默认 https://server.fmode.cn/api/listen）
npx --yes fmode-listen@latest transcribe -- meeting.mp3 --gateway https://server.fmode.cn/api/listen

transcribe 后必须加 --，其后参数透传给运行器。

鉴权（token 从哪来）

客户端只需要 fmode token。运行器按以下优先级自动解析（仓库与代码中无任何密钥）：

1. 第0级自举（推荐）：FMODE_SESSION_TOKEN 环境变量或 ~/.fmode/config.json 的 sessionToken → 调 fmode API 动态换取 API token。登录 FMODE Studio 即可，无需手工配置任何 token；换取的 token 仅内存持有，不落盘不进日志。
2. 环境变量 FMODE_API_TOKEN
3. ~/.fmode/config.json → fmodeApiToken / newapiToken（FmodeStudio 保存配置后写入）
4. 项目 ./.fmode/config.json → 同上
5. 进程注入的 ANTHROPIC_AUTH_TOKEN（Claude Code 把 settings.env 注入子进程时自动命中）
6. ~/.claude/settings.json（含 settings.local.json / 项目级 .claude/）的 env.ANTHROPIC_AUTH_TOKEN —— 即 Claude Code 的 sk- token（仅当 sk- 开头且非 sk-ant- 时采纳）

报「未找到 token」= 缺 token，不是技能坏——按上面任一来源补上即可。不要把任何密钥写进本仓库或 issue。

各工具安装指南

本技能遵循各 Agent 工具的 Skill 规范。AI 拿到本仓库后，按自己工具对应的节安装。

Claude Code（推荐 npx 安装器）

npx --yes fmode-listen@latest install          # 装到 ~/.claude/skills/fmode-listen
npx --yes fmode-listen@latest workspace        # 或装到当前项目 ./.claude/skills/
npx --yes fmode-listen@latest check            # 校验安装

装完在 Claude Code 里直接说：「帮我把这段会议录音转成文字」即可触发。

Codex

Codex 无 skill 机制，用 CLI 直连方式（技能体只是提示词封装）：

# AGENTS.md 里加一段：
# ## 录音转写
# 转写音频用: npx --yes fmode-listen@latest transcribe -- <file> [--diarize --out out.json]
# token 从环境变量 FMODE_API_TOKEN 或 ~/.fmode/config.json 读取。

或直接把 skills/fmode-listen/SKILL.md 内容粘进你的 AGENTS.md / 自定义 instructions。

Gemini CLI

Gemini CLI 支持自定义命令（~/.gemini/commands/）。把 skills/fmode-listen/SKILL.md 存为：

~/.gemini/commands/transcribe.toml

prompt 段写：npx --yes fmode-listen@latest transcribe -- {{args}}，之后 /transcribe meeting.mp3 即可调用。

WorkBuddy / 其他 Skill 规范工具

凡支持「SKILL.md + scripts/」目录规范的工具（WorkBuddy、Hermes 等）：

git clone https://github.com/fmodecn/skill-listen.git
cp -r skill-listen/skills/fmode-listen <你的工具技能目录>/fmode-listen

技能目录结构：

fmode-listen/
├── SKILL.md            # 技能说明（frontmatter: name/description）
└── scripts/
    └── listen-runner.mjs   # 运行器（Node ≥18，零依赖）

Hermes Agent

复制技能目录到 ~/.hermes/skills/（或 profile 对应 skills 目录），Hermes 的 skill 加载器会读取 SKILL.md：

git clone https://github.com/fmodecn/skill-listen.git
cp -r skill-listen/skills/fmode-listen ~/.hermes/skills/
hermes skills   # 确认 fmode-listen 出现在列表

计费与安全

• 服务端计费：ceil(音频分钟数) × 单价，不足 1 分钟按 1 分钟；余额不足返回 402 + 充值链接
• 凭据零下放：讯飞 appId/apiKey/secretKey 只在服务端；本仓库任何代码/文档都不得写入真实密钥
• 网关可自托管：--gateway 指向自建服务即可脱离 Fmode 云

License

MIT