guaikei-speech-to-text将视频转为文字与结构化文案的技能。当用户提出"视频转文字 / 视频提取文案 / 视频转稿 / 字幕提取 / 视频总结 / 视频内容分析 / 会议纪要 / 课程拆解 / 直播复盘 / 采访整理 / 短视频二创脚本 / 口播稿 / 小红书文案 / 抖音文案 / 公众号文案"等需求时使用。支持本地视频文件与抖音、小红书等平台视频链接，调用千问大模型自动转写并剔除语气词、口误与重复内容，并可通过自定义 Prompt 生成总结、改写、金句提取、分镜头、中英翻译等风格化文案。
Install via ClawdBot CLI:
clawdbot install engheng-art/guaikei-speech-to-textGrade Fair — based on market validation, documentation quality, package completeness, maintenance status, and authenticity signals.
Calls external URL not in known-safe list
https://www.guaikei.comAudited Oct 6, 2026 · audit v1.0
Generated Oct 6, 2026
自媒体创作者将抖音、小红书等平台的对标视频转写为文字，再用自定义 Prompt 改写成风幽默的小红书、抖音或公众号风格文案。省去逐句听写与手动整理时间，快速产出可直接发布的成稿。
教育培训机构或知识付费团队把课程视频、讲座录像转写成结构化讲义，自动剔除口头禅与重复内容，并可提炼核心知识点、金句和分镜头脚本。便于沉淀为可检索的知识库或二次分发素材。
企业将会议录音、客户拜访视频或线上直播复盘内容转写为文字，并用 Prompt 生成会议纪要、要点总结与待办事项。避免人工记录遗漏，提高团队协作与复盘效率。
记者、播客主或纪录片团队把采访视频、录音批量转写，快速定位关键对话与高光金句，并翻译成中英双语稿件。大幅缩短采访整理与后期剪辑前的素材预处理周期。
出海品牌或 MCN 将海外平台视频、直播内容转写为文字，再通过自定义 Prompt 进行中英互译与本地化改写，生成适合不同市场的口播稿与商品卖点文案，支持跨境内容运营。
用户通过官网开通 GUAIKEI_API_TOKEN，按视频实际解析时长付费使用云端千问大模型转写服务。任务失败或无法解析时不计费，降低用户尝试门槛，提升付费转化信心。
面向 MCN 机构、企业内容部门、教育机构等 B 端客户，提供团队多账号管理、批量任务、专属 Prompt 模板及更高并发额度。以订阅制形式锁定长期收入，满足高频内容处理需求。
在转写工具基础上延伸出 Prompt 模板商店、行业文案库、内容运营咨询与代写服务。同时可开展自媒体文案写作、AI 视频拆解等付费课程与社群，形成工具引流、服务变现的闭环。
💬 Integration Tip
使用前务必先配置好 GUAIKEI_API_TOKEN 环境变量，否则技能会直接退出；处理长视频时建议先用 --file 提交任务，之后用 --id last 复用结果以避免重复上传和等待。
Scored Oct 6, 2026
Transcribe audio files with speaker diarization (who speaks when). Supports 100+ languages, automatic language detection, and timestamps. Use for meetings, interviews, podcasts, or voice messages. Requires AssemblyAI API key.
使用 poocr 库识别发票并导出 Excel。当用户需要识别增值税发票、批量处理发票文件或提取发票信息到 Excel 时调用此技能。
Use when the user has audio or video and wants a timestamped transcript (SRT) in the source language. Routes by source language — Chinese defaults to Volcano...
Create, manage, and deploy ElevenLabs conversational AI agents. Use when the user wants to work with voice agents, list their agents, create new ones, or manage agent configurations.
Voice note transcription and archival for OpenClaw agents. Powered by Deepgram Nova-3. Transcribes audio messages, saves both audio files and text transcript...
Text-to-Speech (TTS) and Speech-to-Text (ASR) using coze-coding-dev-sdk. Returns results directly to stdout.