名称： openrouter-transcribe
描述： 通过 OpenRouter 使用支持音频的模型（Gemini、GPT-4o-audio 等）转录音频文件。
主页： https://openrouter.ai/docs
元数据： {"clawdbot":{"emoji":"🎙️","requires":{"bins":["curl","ffmpeg","base64","jq"],"env":["OPENROUTER_API_KEY"]},"primaryEnv":"OPENROUTER_API_KEY"}}

OpenRouter 音频转录

使用 OpenRouter 的聊天补全 API 和 input_audio 内容类型来转录音频文件。适用于任何支持音频输入的模型。

快速开始

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a

输出将显示在标准输出（stdout）中。

常用参数

# 指定模型（默认：google/gemini-2.5-flash）
{baseDir}/scripts/transcribe.sh audio.ogg --model openai/gpt-4o-audio-preview

# 自定义指令
{baseDir}/scripts/transcribe.sh audio.m4a --prompt "转录时标注说话人"

# 保存到文件
{baseDir}/scripts/transcribe.sh audio.m4a --out /tmp/transcript.txt

# 自定义调用方标识（用于 OpenRouter 仪表盘）
{baseDir}/scripts/transcribe.sh audio.m4a --title "MyApp"

工作原理

1. 使用 ffmpeg 将音频转换为 WAV 格式（单声道，16kHz）
2. 对音频进行 Base64 编码
3. 通过 input_audio 内容类型发送至 OpenRouter 聊天补全 API
4. 从响应中提取转录文本

API 密钥

设置 OPENROUTER_API_KEY 环境变量，或在 ~/.clawdbot/clawdbot.json 中配置：

{
  skills: {
    "openrouter-transcribe": {
      apiKey: "YOUR_OPENROUTER_KEY"
    }
  }
}

请求头

脚本会向 OpenRouter 发送标识头信息：
- X-Title: 调用方名称（默认："Peanut/Clawdbot"）
- HTTP-Referer: 参考 URL（默认："https://clawdbot.com"）

这些信息会显示在您的 OpenRouter 仪表盘中，用于追踪调用来源。

故障排除

ffmpeg 格式错误：脚本使用临时目录（而非 mktemp -t file.wav），因为 macOS 的 mktemp 会在扩展名后添加随机后缀，这会破坏格式检测。

参数列表过长：大音频文件会产生巨大的 base64 字符串，可能超出 shell 参数长度限制。脚本将数据写入临时文件（使用 --rawfile 传递给 jq，使用 @file 传递给 curl），而不是作为参数传递。

空响应：如果收到“来自 API 的空响应”，脚本会输出原始响应以供调试。常见原因包括：
- API 密钥无效
- 模型不支持音频输入
- 音频文件过大或已损坏