MOSS Transcribe Diarize Skill

Call this skill when users want:

• 多人语音转写（带说话人）
• 带时间戳的会议纪要原文
• 从音视频 URL / 本地文件做 ASR + diarization

Quick workflow

1. 准备音频来源（URL / 本地文件 / Base64）
2. 调用 scripts/transcribe.py
3. 用 segments 生成：逐段文本、按说话人汇总、会后纪要

API assumptions (from docs page)

• 模型名固定：moss-transcribe-diarize
• 请求体核心字段：
  • audio_data（URL 或 data URL）
  • model
  • sampling_params（如 max_new_tokens, temperature）
  • meta_info（可选）
• 返回中重点看：
  • text
  • meta_info
  • segments（含时间戳、speaker、content）

官方文档入口：https://studio.mosi.cn/docs/moss-transcribe-diarize

Run

# URL 音频
python scripts/transcribe.py \
  --audio-url "https://example.com/audio.mp3" \
  --api-key "$MOSS_API_KEY" \
  --out result.json

# 本地文件（自动转 data URL）
python scripts/transcribe.py \
  --file "/path/to/meeting.mp4" \
  --api-key "$MOSS_API_KEY" \
  --out result.json

Endpoint

默认 endpoint：https://studio.mosi.cn/v1/audio/transcriptions

如果你的环境 endpoint 不同，用参数覆盖：

--endpoint "https://your-endpoint"

Output handling

• 原始结果保存为 JSON
• 脚本会额外导出：
  • *.segments.txt（逐段）
  • *.by_speaker.txt（按说话人）