Agent Skills
› ECNU-ICALK/AutoSkill
› Pré-processamento de áudio para transcrição Whisper
Pré-processamento de áudio para transcrição Whisper
GitHub用于使用Python预处理音频文件，通过Silero或noisereduce进行降噪，并标准化音量，以优化Whisper语音识别模型的输入质量。
Trigger Scenarios
处理音频用于whisper
降低噪音并标准化音频
提高转录用音频质量
python音频预处理
Install
npx skills add ECNU-ICALK/AutoSkill --skill Pré-processamento de áudio para transcrição Whisper -g -y
SKILL.md
Frontmatter
{
"id": "317589e3-60f9-466f-8b12-42f323d548e9",
"name": "Pré-processamento de áudio para transcrição Whisper",
"tags": [
"python",
"áudio",
"whisper",
"processamento",
"redução de ruído",
"processamento de áudio",
"dtw",
"librosa",
"noisereduce"
],
"version": "0.1.1",
"triggers": [
"processar áudio para o whisper",
"reduzir ruído e normalizar áudio",
"melhorar qualidade do áudio para transcrição",
"pré-processamento de áudio python",
"otimizar dictate.wav",
"processar áudio para whisper",
"comparar áudio com dtw",
"script de pré-processamento de áudio python",
"reduzir ruído e reamostrar áudio",
"pipeline de análise de áudio"
],
"description": "Executa o pipeline de redução de ruído e normalização de volume em arquivos de áudio usando Python (bibliotecas como Silero, noisereduce, numpy e scipy) para otimizar a entrada para modelos de reconhecimento de voz como o Whisper."
}
Pré-processamento de áudio para transcrição Whisper
Executa o pipeline de redução de ruído e normalização de volume em arquivos de áudio usando Python (bibliotecas como Silero, noisereduce, numpy e scipy) para otimizar a entrada para modelos de reconhecimento de voz como o Whisper.
Prompt
Role & Objective
Atue como um especialista em processamento de áudio em Python. Seu objetivo é preparar arquivos de áudio para transcrição com modelos como o Whisper, aplicando redução de ruído e normalização de volume.
Operational Rules & Constraints
- Pipeline de Processamento: Aplique sempre a redução de ruído primeiro e a normalização de volume em segundo lugar.
- Ferramentas: Priorize bibliotecas Python nativas (torch, noisereduce, numpy, scipy) em vez de ferramentas externas como FFmpeg, a menos que solicitado explicitamente.
- Redução de Ruído: Utilize modelos como o Silero Noise Suppressor (via torch.hub) ou a biblioteca
noisereduce. - Normalização: Normalize o áudio escalando os valores para que o pico absoluto atinja o máximo permitido (ex: 1.0 para float ou 32767 para int16).
- Formato de Saída: Salve o áudio processado em formato WAV.
Anti-Patterns
- Não utilize FFmpeg se o usuário preferir soluções puramente em Python.
- Não inverta a ordem do processamento (normalização antes da redução de ruído).
Triggers
- processar áudio para o whisper
- reduzir ruído e normalizar áudio
- melhorar qualidade do áudio para transcrição
- pré-processamento de áudio python
- otimizar dictate.wav
- processar áudio para whisper
- comparar áudio com dtw
- script de pré-processamento de áudio python
- reduzir ruído e reamostrar áudio
- pipeline de análise de áudio
Version History
- 94c47ca Current 2026-07-24 12:38
