voice2text

火山引擎语音识别 CLI 工具，支持智能缓存和并发处理。

安装

pip install shellus-voice2text

使用

# 单文件处理
voice2text audio.mp3

# 批量处理（自动生成 .srt 文件）
voice2text *.mp3

# 输出纯文本
voice2text audio.mp3 --txt

# 输出 LRC 歌词
voice2text audio.mp3 --lrc

# 输出原始 JSON
voice2text audio.mp3 --json

# 控制并发数
voice2text *.mp3 --max-workers 5

特性

• 智能缓存：相同文件自动跳过，避免重复识别
• 并发处理：支持多文件并发，默认3个
• 自动输出：完成后自动生成对应格式文件
• 断点续传：失败任务可重新运行，已完成的直接跳过

配置

首次使用运行交互式初始化：

voice2text init

配置保存在 ~/.voice2text/config.json，包含：

{
  "app_key": "your_app_key",
  "access_key": "your_access_key",
  "resource_id": "volc.seedasr.auc",
  "s3_endpoint": "https://tos-cn-guangzhou.volces.com",
  "s3_bucket": "your_bucket",
  "s3_access_key": "your_s3_key",
  "s3_secret_key": "your_s3_secret",
  "max_concurrent_tasks": "3"
}

环境变量可覆盖配置文件：VOLC_APP_KEY, VOLC_ACCESS_KEY, VOLC_RESOURCE_ID, S3_ENDPOINT, S3_BUCKET, S3_ACCESS_KEY, S3_SECRET_KEY, MAX_CONCURRENT_TASKS。

API 文档

• 大模型录音文件识别 API
• 火山引擎控制台

许可证

MIT License

贡献

欢迎提交 Issue 和 Pull Request！