transcribe-meetinglisted
Install: claude install-skill roy6732856/transcribe-meeting
# 會議錄音 → 逐字稿(本機 Whisper)
把客戶會議或錄音檔轉成乾淨、標好��話人的逐字稿。全程本機執行,音檔不外傳、不需要任何雲端 API 金鑰。
## 什麼時候用
使用者給一個音檔/影片檔、要求轉成文字/逐字稿/聽打會議紀錄時。
## 一次性前置(首次才需要)
- **ffmpeg**:`brew install ffmpeg`(macOS)
- **引擎不用手動裝**,`transcribe.sh` 首次執行會自動備妥(模型 ~1.5GB,首次下載需幾分鐘)
- Python 3。MLX 引擎需要 3.10–3.13 其中一版(依賴 numba,對太新的 Python 沒 wheel);腳本會自動挑,並建在 `~/.cache/transcribe-meeting/mlx-venv`(約 1GB),**不動系統或既有的 whisper 安裝**
## 執行步驟
1. **跑轉錄腳本**(就在本 skill 資料夾內):
```bash
bash "<skill目錄>/transcribe.sh" "<輸入檔路徑>" zh "<initial_prompt>" "<輸出資料夾>" [引擎]
```
- `initial_prompt` 餵**正確人名+領域詞**能大幅降低錯字。例:`"這是一場關於 AI 報價系統的會議,參與者有 Ray 與 Ben,會談到 LINE、報價、算價、里程碑。"`
- 輸出資料夾可省略(預設在輸入檔旁的 `transcribe_out/`)。
- 引擎可省略(預設 `mlx`)。
- 產出 `.txt / .srt / .vtt / .json / .tsv`。
2. **選引擎**:
| 引擎 | 說明 | 實測(M4,25.9 分鐘會議)|
|------|------|------|
| `mlx`(預設)| Apple Silicon GPU | **2 分 48 秒**(9.3x realtime),峰值記憶體 980MB |
| `cpu` | 原本的 openai-whisper/PyTorch CPU,保留當 fallback | 約 35 分鐘,CPU 工作量多 40 倍、會降頻 |
| `both` | 兩個都跑,輸出到 `<輸出資料夾>/mlx` 與 `/cpu`,印並排比較表 | mlx 時間 + cpu 時間 |
- 非 Apple Silicon、或 MLX 準備失敗 → **自動退回 `cpu`**,不會中斷。
- `both` 用於想親眼確認品質沒退化時。比較表會給耗時、加速倍數、段數、字數、逐字稿相似度、實質差異片段。
- 判讀:相似度 >85% 且差異多為語助詞 → mlx 可安心用。若有整段內容只出現在一邊 → 該段人工聽一次。
- **短檔的倍數會被稀釋**(模型載入約 13 秒固定成本):30 秒片段只有 2–4x,5 ��鐘 8.8x,25.9 分鐘 9.3x。評估效能要看長檔。
3. **判讀聲道**:腳本會先印 `mean_volume`。若數值很低(接近靜音,如 −70dB 以下)=**混音 mono**,左右聲道相同、無法機器分軌 → 說話人要靠**內容判讀**標註(誰提問/解說=顧問、誰講需求=客戶)。若左右差異明顯=真雙軌,可分軌各自標。
4. **自動轉繁**(預設開啟,不用做任何事):Whisper 兩個引擎都會漏簡體字(實測 0.5