skilld
All skills
cat-xierluo avatar

/tingwu-asr

@5c7420f
by 杨卫薪律师cat-xierluo/legal-skills705 stars
106

使用阿里云通义听悟进行云端音频/视频转录。本技能应在用户需要云端语音转文字、长音频转录、本地 ASR 不可用或需要更高精度时使用。不适用于无网络环境或需要完全离线的场景。

Ask your Agent

Use this Skill: https://skilld.dev/gh/cat-xierluo/legal-skills/tingwu-asr

This session only. Nothing lands on disk.

CHANGELOG.md

≈2.8k tokens on demand. Your agent reads this file only when SKILL.md points to it.

Changelog

All notable changes to this project will be documented in this file.

The format is based on Keep a Changelog, and this project adheres to Semantic Versioning.

[0.4.7] - 2026-09-23

修复

  • 跟随本地转录技能更名，将摘要注入与轮询收尾脚本中的兄弟目录路径改为 local-asr/scripts/summary.py，避免找不到旧 funasr-transcribe 目录时跳过总结。

文档完善

  • 更新输出格式兼容说明、总结命令和本地 ASR 触发描述；云端转录行为不变。

[0.4.6] - 2026-09-18

修复

  • tingwu.py：OSS 上传代理掐断根治（Task-004）——shell 常驻 HTTP_PROXY/HTTPS_PROXY（Clash 系）时，oss2 分片上传走代理，771MB 视频实测在 50% 处被 ProxyError: Cannot connect to proxy 掐断，v0.4.5 只做了文档提醒。本次代码级兜底：新增 _build_oss_bucket()，上传 session 默认 trust_env=False 无条件忽略环境代理直连国内 OSS 节点；TINGWU_OSS_USE_PROXY=1 逃生阀恢复走代理旧行为；requests 兜底 PUT 同样处理（独立 trust_env=False Session）。yt-dlp 下载不受影响，海外源仍按环境代理走
  • 顺带补 oss2 缺失时的明确报错（_build_oss_bucket 守卫）

新增

  • tests/test_oss_proxy_isolation.py：5 用例回归——常驻代理下 bucket 内层 session 必须 trust_env=False / 逃生阀恢复 / 无代理环境同样无条件直连 / 兜底 PUT 走 trust_env=False Session / 逃生阀时恢复模块级 requests.put 旧行为

验证

  • 单测 5/5 通过；全量（含存量 test_poll_tasks_errors 4 用例 + test_summary_flow）绿
  • 首轮测试自身两处错误已修正：fake bucket 名 b 不满足 OSS ≥3 字符规则；"无代理环境"用例预期写反（设计为无条件直连）

[0.4.5] - 2026-09-18

改进

  • SKILL.md「异步转录模式」重写后台监控章节：监控从"依赖 Agent 会话持有进程"改为"会话无关 + 状态落盘可恢复"双档位——档位 A（推荐）nohup 脱离会话 + 日志落盘（含 watch_active.sh 接管用法）；档位 B Agent 托管后台进程（Claude Code run_in_background / Hermes terminal(background=true)），并明确 Agent 后台进程会随会话结束被回收的风险。新增"会话恢复接管四步流程"（读 pending_tasks.json → 一次性 poll_tasks 当场收尾 → finish_task 长耗时警告 → 幂等重拉），强调重跑 poll_tasks.py 安全（云端状态为准 + flock 互斥），进程丢失≠任务丢失
  • SKILL.md「注意事项」新增代理环境坑：shell 常驻 HTTP_PROXY/HTTPS_PROXY 时 oss2 大文件分片上传会被代理掐断（实测 771MB 视频在 50% 处 ProxyError），听悟 OSS 为国内节点无需代理，上传前 unset 代理变量

验证

  • 186 分钟分享视频（771MB）全流程实测：代理中断复现 → 剥代理直连重传成功 → 会话切换监控进程被回收 → 按"恢复接管流程"重拉 poll_tasks.py 正确接续（转录已完成、直接进入 finish_task，185 张幻灯片下载压缩约 3 分钟完成），44,114 字 + 说话人 2 人分离输出正常

[0.4.4] - 2026-09-16

修复

  • tingwu.py / browser_auth.py：macOS Apple Silicon 上 cryptography<=41 的 _rust.abi3.so 在 OpenSSL CPU 探测（_armv8_sve_probe）死循环，任何 import oss2 的脚本无输出挂死（dlopen 阶段）。入口自动设置 OPENSSL_armcap=0 绕过；browser_auth.py 被 MCP Playwright 单独加载，补同款防护
  • transcribe.py / poll_tasks.py：AI 总结环节每次必报「总结文件不存在」——summary.py inject 需要 Agent 预先生成 {out}.json（prompt → LLM → inject），纯脚本 runtime 里 json 不存在属正常态。改为三分支：无 json 打印延后提示、有 json 真实注入并校验 rc、summary.py 缺失时跳过。顺带子进程 python3 改 sys.executable（venv/其他解释器 runtime 下不再错调系统 Python）

新增

  • poll_tasks.py 落地 9ae3c71f 预定但从未实现的软错误识别：后端把拒绝类错误（如「仅支持16k及以上采样率文件」）归到 status=2（名义"转录中"），仅看 status 会无限轮询（2026-06-22 抖音无声视频真实案例）。从 statusMsg 关键词识别，命中即判失败并记录 后端拒绝(status=2): ...
  • poll_tasks.py 补 check_once(task_id_filter=) 签名与 CLI --once / --task-id 参数——watch_active.sh 一直调用的就是这组参数，此前 argparse 直接报错；过滤模式下写回 pending 按 trans_id 剔除，不再误抹其他任务
  • tests/test_summary_flow.py：AI 总结三分支回归测试（无 json / 有 json 真实注入 / verify 校验）

验证

  • 65 分钟培训视频全流程实测（261MB，说话人 2 分离，56 张幻灯片，17,460 字）
  • 存量 4 个 poll_tasks 单测从全挂到 4/4 通过；新增 summary 三分支测试 ALL PASS；watch_active.sh bash -n 语法通过

[0.4.3] - 2026-09-13

Fixed

  • poll_tasks.py / tingwu.py 修复异步任务刚提交即被误判"已完成"：实测听悟 status=0 有二义性（刚提交、转录未开始 与 真正完成 均为 0），原 status in (0, 3) 判定在提交后首轮轮询就拉取空结果，生成空 Markdown 并写入空归档
  • 完成判定改为 status == 3 or (status == 0 and transStartTime 已设置)；transStartTime 在转录实际开始后才会下发，可区分"刚创建"与"已完成"
  • 状态标签同步修正：0 显示为"已提交，待转录开始"，1 显示为"排队中/转录中"

验证

  • Vol21 全场回放（116 分钟）实测复现误判并修复后重新拉取：36,575 字、说话人 2 人分离、43 张幻灯片、章节索引覆盖 00:00–01:56:23
  • 边界用例 5/5：刚提交（status=0 无 transStartTime）→ 未完成；转录中（status=1）→ 未完成；上传中（status=11）→ 未完成；status=3 → 完成；status=0 + transStartTime → 完成

[0.4.2] - 2026-09-09

Fixed

  • login_pw.py 修复偶发 [CMN.NotLogin]: 未登录：此前保存 cookie 前仅固定等待 3 秒，SPA 第二批关键 cookie（XSRF-TOKEN / JSESSIONID / arms_uid / _bl_uid / aliyun_lang 等）尚未下发即落盘，导致 API 双重校验失败
  • 保存前先导航 /home 并主动触发 user/info、tingwu/account/info 两个 API 暖机，促使第二批 cookie 下发（暖机失败不阻断，降级继续）
  • 多轮 ctx.cookies() 轮询直到 cookie 数连续 2 轮稳定（阈值 ≥20，最多 20 轮 × 1.5s），覆盖分批下发窗口期
  • 新增关键 cookie 校验：login_aliyunid_ticket / login_aliyunid / XSRF-TOKEN / JSESSIONID / atpsida / isg，缺失则 sys.exit(4) 并给出重试与排查提示
  • cookies.json 新增 verified_critical_cookies 字段留痕，便于事后排错

验证

  • 完整登录实测：抓到 26 个 cookie（此前仅 19 个），check_auth.py 返回账户信息

[0.4.1] - 2026-08-24

Fixed

  • poll_tasks.py 并发安全：新增 pending_lock() 文件锁（fcntl.flock），check_once() 整体加锁后再读 pending_tasks.json，避免后台 monitor 与前台轮询同时检测到任务完成而重复归档、重复写入 completed_tasks.json。抢不到锁立即返回 []，由 monitor 下一轮重试
  • tingwu.py 标签修正：submit_transcribe() / transcribe() 输出从"任务ID"改为"听悟转录任务 ID"，避免被误读为 OSS 上传会话 ID

数据清理

  • 移除 archive 下重复归档（同一 trans_id 双进程写入导致），以及 completed_tasks.json 中 7 条历史重复记录

[0.4.0] - 2026-08-17

Added

  • 内置 Playwright 登录脚本 scripts/login_pw.py:一条命令完成"开浏览器 → 自动填 .env 凭证 → 等待登录 → cookie 落盘"。经 context.cookies() 取含 HttpOnly 的 login_aliyunid_ticket(此前的 MCP Playwright document.cookie 路径拿不到),cookie 值全程不经过 stdout/对话记录;出现滑块时人工在可见窗口完成即可
  • SKILL.md 登录章节重写:内置脚本为方式一(推荐),MCP Playwright 手工流程降为方式二兜底;每日签到流程同步改用 login_pw.py
  • requirements.txt 增加 playwright

Fixed

  • 补齐归档缺失 slides 的实操路径确认:听悟云端仅保留近期转录记录(一个月前的任务已从云端删除,getAllLabInfo 无法拉取),旧任务幻灯片的可靠恢复方式是重跑转录(视频自动提取 PPT)。2026-08-17 以一例 167 分钟培训视频实测重跑,98 张 webp(8.6MB)回填原归档,原 MD 的 98 处图片引用全部恢复;新归档同步保留

已知限制(补充)

  • poll_tasks.py --monitor 生成输出时,slides 目录不会自动复制进 archive(与 transcribe.py 主流程的 save_archive 缺口同源),需 Agent 手动补齐并回写 meta

[0.3.0] - 2026-07-19

Added

  • 给链接自动转录:paths 支持 http(s) 链接,自动用 yt-dlp 下载(小宇宙 episode、YouTube、B站等),无需手动下载音频
  • SKILL.md 补充「链接转写与说话人分离」设计取舍说明

Changed

  • --speakers 默认值确认为 2:经实测听悟 roleSplitNum 仅 2 为有效分离值(分 2 人),3 与 4 均不分离(原注释"4=多人"为误注,已更正)
  • requirements.txt 补充 yt-dlp 依赖

已知限制(Playwright 实测听悟网页端 API 确认)

  • 听悟网页端「播客链接转写」(底层 net_source 网络源通道)的「区分发言人」选项不生效:即使选中"多人讨论",提交的 roleSplitNum 仍被强制为 0,结果不做分离。故 skill 给链接时走"yt-dlp 下载 → 本地上传"路径以保证分离生效
  • roleSplitNum 仅 2 有效(分 2 人),0/1/3/4 实测均不分离

[0.2.0] - 2026-04-20

Added

  • 多文件并行转录：支持传入多个文件路径，自动并行上传（最大并发数可通过 --parallel 参数控制，默认3）
  • 转录结果双路径保存：结果同时保存到源文件所在目录和 archive 目录
  • --parallel N 参数：指定并行转录的最大文件数

Changed

  • CLI 参数 path 改为 paths，支持多个文件路径
  • 批量模式（--batch）下目录内的文件也会并行处理

[0.1.0] - 2026-04-18

Added

  • 核心功能：通过逆向通义听悟网页端 REST API 实现云端音频/视频转录
  • 完整 6 步 API 流程：generatePutLink → OSS STS 上传 → syncPutLink → startTrans → 轮询状态 → getTransResult
  • 支持语言：中文、英文、日文、粤语、中英文混合
  • 说话人分离：不区分 / 单人 / 两人 / 多人
  • 输出 funasr-transcribe 兼容的 Markdown 格式
  • Playwright Cookie 提取登录（login.py）
  • Cookie 认证检查（check_auth.py）
  • 批量转录模式（--batch）
  • 转录结果归档到 archive/ 目录
  • 复用 funasr-transcribe 的 summary.py 注入 AI 总结

Source: SKILL.md on GitHub

Third-party checks

2 warnings12d3 checks · Risk SAFE
  • Gen Agent Trust Hub12d

    This skill transcribes audio and video files using Alibaba's Tingwu service. It utilizes standard utilities such as yt-dlp for media downloads and Playwright for automating the login process. Security risks are low and primarily involve the inherent surface for indirect prompt injection when processing untrusted media content for AI summarization.

  • Socket12d

    2 alerts: gptAnomaly

  • Snyk12d

    Risk: MEDIUM · 1 issue

Provenance

Signed by skilld at 5c7420f. This ties the file your Agent reads to that commit on GitHub. It does not review the instructions.

Last checked against GitHub yesterday.

Activeupdated last week

Capability

homepage
https://github.com/cat-xierluo/legal-skills
author
杨卫薪律师（微信ywxlaw）
version
0.4.7

README badge

README badge for cat-xierluo/legal-skills/tingwu-asr