SKILLEMALL.ai
GitHub ↗ EN Войти

BC doubao-asr（豆包语音转写）

Транскрибирование записанных аудиофайлов в текст с помощью Doubao Seed-ASR 2.0 (豆包录音文件识别模型2.0) от ByteDance/Volcengine. Лучшее в своем классе распознавание китайской речи с разделением говорящих. Используйте этот skill всякий раз, когда пользователь хочет: преобразовать аудио/запись в текст, транскрибировать запись встречи или голосовое сообщение, определить, кто что сказал в записи (разделение говорящих), транскрибировать файлы m4a/mp3/wav/ogg/flac или упоминает 录音转文字/豆包/火山引擎/Volcengine/Doubao ASR. Также используйте, когда у пользователя есть аудиофайл и ему нужна транскрипция, даже если он явно не говорит «транскрибировать». НЕ используйте для распознавания речи в реальном времени/потоковой передачи, преобразования текста в речь (TTS), живых субтитров или преобразования аудиоформатов.

машинный переводПоказать оригиналСкрыть оригинал«Transcribe recorded audio files to text via Doubao Seed-ASR 2.0 (豆包录音文…»

Transcribe recorded audio files to text via Doubao Seed-ASR 2.0 (豆包录音文件识别模型2.0) from ByteDance/Volcengine. Best-in-class Chinese speech recognition with speaker diarization. Use this skill whenever the user wants to: convert audio/recording to text, transcribe a meeting recording or voice memo, identify who said what in a recording (说话人分离), transcribe m4a/mp3/wav/ogg/flac files, or mentions 录音转文字/豆包/火山引擎/Volcengine/Doubao ASR. Also use when the user has an audio file and needs a transcript, even if they don't explicitly say 'transcribe'. Do NOT use for real-time/streaming speech recognition, text-to-speech (TTS), live captioning, or audio format conversion.

Не рекомендуетсяесть критические или высокие находки безопасности
LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 6 файлов тело ≈ 2 652 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Транскрибирование записанных аудиофайлов в текст с помощью Doubao Seed-ASR 2.0 (豆包录音文件识别模型2.0) от ByteDance/Volcengine. Лучшее в своем классе распознавание…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ИнтеграцияТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
80/100
безопасность, качество, тесты
Безопасность 60%
79
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Обфускация
Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 4

  • высокая Обфускация obf-html-comment-instruction SKILL.md:53
    Скрытая инструкция внутри HTML-комментария
    <!-- SYSTEM INSTRUCTION FOR AI AGENTS — DO NOT SKIP -->
Средние и низкие: 3
  • низкая Утечка данных read-dotenv SKILL.md:277
    Чтение файла .env (определение детектора / чёрного списка)
    **Error**: `Missing: VOLCENGINE_ACCESS_KEY_ID...` after running `source .env`
    детектор
  • низкая Утечка данных read-dotenv SKILL.md:278
    Чтение файла .env (определение детектора / чёрного списка)
    **Cause**: `source .env` sets variables in the current shell but does not export them to child processes. The script runs as a subprocess and cannot see unexported variables. / `source .env` 仅在当前 shel
    детектор
  • низкая Утечка данных read-dotenv SKILL.md:279
    Чтение файла .env (определение детектора / чёрного списка)
    **Solution**: Use `set -a && source .env && set +a` to auto-export all variables, or use `export` before each variable in your `.env` file. / 使用 `set -a && source .env && set +a` 自动导出所有变量，或在 `.env` 文件
    детектор

Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 63/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (doubao-asr（豆包语音转写）) не совпадает с папкой (doubao-asr)
  • 85Шаги. Шагов: 63, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Стоимость исполнения. Тело инструкции 2652 токенов

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 665 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 63 пунктов
  • +4Есть примеры (6 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.