音频与视频附件
接收常见音视频素材，在授权环境中读取本地缓存文件。
PUBLIC AGENT OBJECT01
把声音变成
可交付的原文。
面向音频、视频和公开媒体链接的专用转录 Agent。获取音轨、本地识别、清理原文，并生成可下载的 Markdown 文字稿。
LOCAL本地语音识别
MARKDOWN结构化文件交付
NO API公开页零权限
PUBLIC VIEW
这是一件可公开展示的静态 Agent 对象。它呈现真实工作方式，但不连接 Hermes、不读取文件、不发起模型调用。
公开音视频链接
仅处理无需登录、验证码、付费墙或访问控制的公开 HTTP/HTTPS 来源。
本地语音识别
使用 faster-whisper 自动检测语言，素材不会被展示站发送到云端。
Markdown 交付
输出来源、引擎、时长、生成时间和自动识别复核说明。
02 / INTERACTION像产品一样体验，
像产品一样体验，
像样本一样安全。
点击开始按钮可以看到完整的演示状态流转。所有内容都在浏览器内预置，不读取本地文件，也不会访问输入网址。
01 / 提交素材
DEMO
◇
这是静态交互演示。页面不会上传文件、访问输入网址或向服务器发送内容。
1正在检查公开来源…
2正在提取并标准化音轨…
3正在进行本地语音识别…
4演示原文稿已生成
02 / Markdown 输出
等待演示任务
03 / PIPELINE从素材到原文稿，
从素材到原文稿，
每一步都有边界。
真实 Agent 在授权环境内按固定流程运行；公开页面只展示流程，不具备执行能力。
接收素材
附件或公开 URL
安全检查
类型、大小与访问边界
音轨处理
FFmpeg 按需标准化
本地识别
faster-whisper
原文清理
去时间戳与多余空白
文件交付
Markdown + 复核提示
04 / AGENT PROFILE一个职责明确的
一个职责明确的
专用工作单元。
它不是通用聊天机器人。职责被限制在音视频转录、原文清理和 Markdown 交付。
AV
ISOLATED
PROFILE
01角色
音视频转录 Agent
02职责
转录、原文清理、Markdown 交付
03默认模型
faster-whisper / base
04语言
自动检测
05触发方式
授权会话内的附件或公开链接
06输出
可下载的 Markdown 原文稿
05 / REAL CASE一次真实链路的
一次真实链路的
脱敏结果记录。
案例只展示非敏感运行指标和质量状态，不公开用户文件、内部路径或受版权保护的完整原文。
CASE / 2026-08COMPLETED
公开播客单集转录
公开页面获取 → 本地音轨 → faster-whisper → Markdown 文件。
20.2分钟
7,177识别字符
SMALL本地模型
1Markdown
交付不等于盲目通过
自动稿会明确标记“需人工复核”。专有名词、多人交叠和中英混合内容是重点校对区域。
- ✓ 来源、引擎、时长可追溯
- ✓ 原文不被自动总结
- ! 专业词汇需要人工确认
06 / BOUNDARIES知道能做什么，
知道能做什么，
更知道何时停止。
能力边界不是附注，而是转录流程的一部分。
不自动总结
默认保留说话内容，不擅自提炼结论、行动项或观点。
不自动翻译
除非使用者明确提出，否则不会改变原始表达语言。
不绕过访问控制
不处理登录墙、验证码、付费墙或私人资源链接。
不保证零错误
专有名词、口音及多人交叠位置需要人工复核。
不无限重试
自动标准化重试最多一次，失败后进入明确的人工兜底。
不公开真实权限
本展示页没有 Hermes、飞书、模型或文件系统访问能力。
07 / FAILURE & FALLBACK
失败时，不伪造结果。
系统会说明失败阶段、简短原因和可执行的下一步。一次标准化重试仍失败后，流程停止并转入人工检查。
- 01
重新上传提供可正常播放的音视频文件。
- 02
更换来源提供无需登录的公开直接链接。
- 03
拆分素材将超长文件切分后重新处理。
- 04
人工兜底保留原文件并检查音轨或编码。
STATIC BY DESIGN
零后端。零上传。零真实调用。
本站构建产物只有静态 HTML、CSS、JavaScript 和演示 Markdown。没有表单提交端点、API 密钥、飞书凭证、账号数据或本地文件路径。