BC ppt-speech-fusion
Транскрипция аудиозаписей встреч + PDF с восстановленной речью на основе материалов, включая PPT/изображения/PDF в качестве сопроводительных материалов. Голосовой ввод в текст / аудио в текст / транскрипция записи / протокол встречи / дословный перевод / текстовая копия / транскрипция диалога / отчет / озвучка PPT / восстановленная речь презентации / запись в PPT / слияние аудио с PPT / изображение в текст выступления. Активируется фразами «обработать запись встречи», «запись в текст», «распознавание речи», «презентация PPT»; сначала спрашивает о наличии сопроводительных материалов, без них сразу выводит протокол встречи в Word или обычный текстовый файл txt, с материалами — генерирует PDF с восстановленной речью, выровненной по страницам. Основан на китайском движке транскрипции OpenAI Whisper, формат вывода на выбор: PDF / Word / txt.
машинный переводПоказать оригиналСкрыть оригинал«会议录音转写 + 材料融合演讲复原稿 PDF，支持 PPT / 图片 / PDF 作为配套材料。语音转文字 / 音频转文字 / 录音转写 /…»
会议录音转写 + 材料融合演讲复原稿 PDF，支持 PPT / 图片 / PDF 作为配套材料。语音转文字 / 音频转文字 / 录音转写 / 会议纪要 / 逐字稿 / 文字稿 / 对话转写 / 汇报稿 / PPT配音 / 演讲复原稿 / 录音转PPT / 音频PPT融合 / 图片转讲稿。说「整理会议录音」「录音转文字」「语音识别」「PPT演讲稿」即可触发；先问有无配套材料，无材料也可立即转写输出会议纪要 Word 或纯文本 txt，有材料则生成逐页对齐演讲复原稿 PDF。基于 OpenAI Whisper 中文转写引擎，输出格式可选 PDF / Word / txt。
Транскрипция аудиозаписей встреч + PDF с восстановленной речью на основе материалов, включая PPT/изображения/PDF в качестве сопроводительных материалов.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName"
Процессный рейтинг: все десять параметров 53/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 20
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2473 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 26. Похоже на несколько доменов в одном скилле
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -285 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 287 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 45 заголовков
- +3Пошаговые инструкции: 20 пунктов
- +4Есть примеры (10 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.