BF azure-transcription
Azure Speech to Text Pro — продвинутый инструмент транскрипции речи для корпоративных команд и профессиональных пользователей. Основные возможности: - Потоковая транскрипция речи в реальном времени, поддержка ввода с микрофона и потокового аудио - Разделение говорящих (Diarization), автоматическое определение разных говорящих - Управление очередью пакетной транскрипции, поддержка обработки больших объемов аудиофайлов - Интеграция пользовательских моделей речи для повышения точности распознавания в профессиональных областях - Смешанная многоязычная транскрипция...
машинный переводПоказать оригиналСкрыть оригинал«Azure语音转写专业版 —— 面向企业团队与专业用户的高级语音转写工具。核心能力: - 实时流式语音转写,支持麦克风输入与流式音频 - 说…»
Azure语音转写专业版 —— 面向企业团队与专业用户的高级语音转写工具。核心能力: - 实时流式语音转写,支持麦克风输入与流式音频 - 说话人分离(Diarization),自动识别不同说话人 - 批量转写队列管理,支持大规模音频文件处理 - 自定义语音模型集成,提升专业领域识别准确率 - 多语言混合转写...
Azure Speech to Text Pro — продвинутый инструмент транскрипции речи для корпоративных команд и профессиональных пользователей.
Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/style.md, assets/output.json
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-long-hermesdescription 157 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой) - предупреждение
description-no-whenни description, ни раздел "## When to Use" не говорят, когда применять скилл - предупреждение
missing-refссылка на отсутствующий файл: references/style.md - предупреждение
missing-refссылка на отсутствующий файл: assets/output.json - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName" - заметка
frontmatter-keyнеизвестное поле фронтматтера "summary" - заметка
frontmatter-keyнеизвестное поле фронтматтера "summary_zh" - заметка
frontmatter-keyнеизвестное поле фронтматтера "edition" - заметка
frontmatter-keyнеизвестное поле фронтматтера "tools" - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 35/100
- 0Инструменты и файлы. Не хватает 2 файла(ов): references/style.md, assets/output.json
- 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
- 100Шаги. Шагов: 23
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3301 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 19. 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
- +2Инструкции на одном языке
- +3Длина description 157 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 44 заголовков
- +3Пошаговые инструкции: 23 пунктов
- +4Есть примеры (11 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.