openai-whisper

MLX Whisper (Apple Silicon)

在 Apple Silicon（如 M2 Pro）上，优先将 mlx-whisper 视为默认的通用本地转写方案。

当前定位

• 通用主方案：默认本地音频/视频转写入口
• 平台特化：优先适配这台 Apple Silicon Mac
• 非短视频专用封装：如果只是要小红书/短视频链路里的窄场景包装，可再考虑更窄的专用 skill

运行方式

推荐通过技能目录下的 run.sh 调用：

./run.sh /path/to/audio-or-video.mp4
./run.sh /path/to/audio.m4a mlx-community/whisper-small
./run.sh /path/to/audio.m4a mlx-community/whisper-turbo --output-format json --output ./result.json

默认模型：

• mlx-community/whisper-turbo

可选模型：

• mlx-community/whisper-base
• mlx-community/whisper-small

输出

• 默认输出：纯文本（stdout）
• --output-format txt：输出纯文本
• --output-format json：输出完整 JSON
• --output /path/file：写入文件而不是打印到终端

文件

• run.sh：使用项目安装期准备的 ~/.crawclaw/runtimes/skill-openai-whisper/venv 执行转写；可用 CRAWCLAW_OPENAI_WHISPER_VENV 覆盖 venv 路径
• transcribe_mlx.py：最小 MLX Whisper 调用入口

注意事项

• run.sh 会先检查 macOS Apple Silicon；其他平台请不要使用这个 skill
• 如果 runtime 缺失，重新运行项目安装，或执行 crawclaw runtimes repair
• 首次运行会下载模型到本地缓存，速度取决于网络
• 视频文件可直接输入；底层会处理音频解码
• 推荐默认使用 whisper-turbo，在 M2 Pro 上通常速度和效果更均衡
• 如果只是追求更轻量，可以改用 whisper-base

子代理执行策略

• 默认执行模式：优先使用子代理独立执行；主会话负责接单、补齐必要上下文、控制范围，并在最后整合结果回报给用户。
• 适合交给子代理的任务：预计超过 30 秒的处理、多步骤流水线、多文件/多产物生成、批处理、审计、转写、总结、离线分析。
• 主会话保留职责：只在必要时追问关键缺口、确认边界、挑选最终结果，并把输出改写成面向用户的完成答复。
• 不建议默认交给子代理的情况：一次性极短任务、需要高频来回确认的对话、强依赖当前聊天即时上下文的动作。
• 回报节点：默认只保留“已受理 / 已开始 / 已完成 / 已失败”四类关键节点，避免刷屏。