Transcription Quality Evaluation

对比评测录音转写产品/引擎(录音硬件端到端 vs 云转写模型):控制变量测试设计(2×2 音频×引擎)、ffmpeg 音频质量客观指标(响度/动态/底噪/削波/声道)、SRT 变体解析与统计、关键术语识别对照、内容锚点时间轴对齐、幻觉检测,输出对比矩阵。触发词:转写对比、转写质量、录音质量对比、ASR 评测、哪个转写好、录音笔对比、转写引擎对比。

Install

skills CLI (Claude Code, Cursor, Codex and more)
npx skills add bleakbelladonnals/asr-transcription-skills --skill transcription-quality-evaluation
Manual install
git clone --depth 1 https://github.com/bleakbelladonnals/asr-transcription-skills.git /tmp/asr-transcription-skills
mkdir -p ~/.claude/skills
cp -r /tmp/asr-transcription-skills/research/transcription-quality-evaluation ~/.claude/skills/transcription-quality-evaluation

Personal skills live in ~/.claude/skills. Use .claude/skills in a project folder to share a skill with your team.

From the SKILL.md

# 录音转写质量对比评测

## 何时使用
- 用户想比较多个转写方案(录音硬件端到端 / 云转写产品 / API 模型)谁转得准、谁录得好、钱花得值不值
- 用户提供了同一时段的录音文件 + 各家转写 SRT,要求对比音频质量和转写质量
- 输出:对比矩阵(音频质量表 + 转写质量表 + 产品可用性 + 成本 + 结论),可直接改写成评测文章/产品分析作业

## 核心原则:拆开测,别混着测
"录音硬件+云转写"产品的贵,贵在「采集端 + 转写端 + 总结归档」一条龙。必须拆成两个变量:
- **采集端**(硬件麦克风/DSP)→ 用 ffmpeg 客观指标比
- **转写端**(引擎/模型)→ 同一段音频过不同引擎比
- 端到端方案(录音豆/录音卡 app 只转自己录的音)无法喂外部音频 → 补一层"同一音频上传纯转写产品"(通义听悟/讯飞听见),剥离硬件差异
- 理想测试矩阵 = 2×2(音频源 × 引擎);免费额度内完成(3~5 段 × 5~10 分钟即可,故意埋术语/数字"地雷"算保留率)

## 一、音频质量客观指标(ffmpeg,全部可复现)
```bash
# 基本参数:编码/采样率/声道/时长/码率
ffprobe -v quiet -show_format -show_streams in.mp3 | grep -E "duration|bit_rate|sample_rate|channels|codec_name"

# 响度与动态范围(EBU R128):I=整体响度(LUFS),LRA=动态范围(LU)
ffmpeg -v info -i in.mp3 -t 300 -af ebur128 -f null - 2>&1 | grep -A8 "Summary"

# 全片电平:RMS level(均方根电平) / Peak level(峰值) / DC offset
ffmpeg -v info -i in.mp3 -af astats -f null - 2>&1 | grep -E "RMS level|Peak level|DC offset"

# 静音段检测(底噪探针):调低阈值仍检不出静音 = AGC 把底噪抬起来了
ffmpeg -v info -i in.mp3 -af silencedetect=noise=-38dB:d=2.5 -f null - 2>&1 | grep silence

# 同一时间段截取对比电平(两文件同 offset 比 RMS,看增益差异)
ffmpeg -v info -ss 490 -t 4 -i in.mp3 -af astats -f null - 2>&1 | grep "RMS level"

# 双声道是否真立体声:astats 输出 Channel 1/2 的 RMS,几乎相同 = 同源信号非真立体声
```

**判读规则(2026-08 实测)**:
- Peak > 0dB → 削波风险(前端增益过激),如飞书录音豆 1.38dB
- 动态范围 LRA < 9 LU → 强压缩;同材料 A 有静音段而 B 检不出 → B 的 AGC 抬噪
- 底噪/压缩不致命(语音主体清晰即可转写),但可分出"信号干净度"高低
- ⚠️ 声道数不等于质量:双声道若两通道 RMS 差 <0.5dB 是同源复制,对转写无额外信息

## 二、SRT 变体识别与统计(先识别格式再清洗)
Read the full skill on GitHub

Details

Skill name
transcription-quality-evaluation
Path
research/transcription-quality-evaluation/SKILL.md
License
MIT
Repo updated
17 August 2026

FAQ

What does the Transcription Quality Evaluation skill do?

对比评测录音转写产品/引擎(录音硬件端到端 vs 云转写模型):控制变量测试设计(2×2 音频×引擎)、ffmpeg 音频质量客观指标(响度/动态/底噪/削波/声道)、SRT 变体解析与统计、关键术语识别对照、内容锚点时间轴对齐、幻觉检测,输出对比矩阵。触发词:转写对比、转写质量、录音质量对比、ASR 评测、哪个转写好、录音笔对比、转写引擎对比。

How do I install the Transcription Quality Evaluation skill?

skills CLI (Claude Code, Cursor, Codex and more): npx skills add bleakbelladonnals/asr-transcription-skills --skill transcription-quality-evaluation. Skills go in ~/.claude/skills (personal) or .claude/skills (project), and Claude loads them automatically when a task matches the description.

Is Transcription Quality Evaluation popular?

It lives in bleakbelladonnals/asr-transcription-skills, which has 9 GitHub stars and 0 forks.

Related skills

Asr Benchmarking

9

bleakbelladonnals/asr-transcription-skills

语音转写(ASR)服务与模型的评测和 API 集成:音频质量客观分析(ffmpeg)、转写质量对比(术语锚点/幻觉/结构)、AI 纪要核验、Gemini/阿里百炼/火山方舟/OpenAI 等平台批量转写调用。用于"录音转文字哪个最好"、录音硬件(录音豆/录音卡/录音笔)对比评测、公众号评测文章的数据准备。

Research & Science

Asr Transcription

9

bleakbelladonnals/asr-transcription-skills

语音转文字(ASR)方案评测与转写管线。多引擎对比(录音硬件/转写模型/纪要 AI)的完整方法论:双变量拆分、锚点对齐、幻觉检测、ffmpeg 音频质量指标;以及在线转写 API 接入(Gemini 脚本、OpenAI 兼容中转站)。用于"哪个转写方案好/要不要续会员/写转写产品评测文/批量转写录音"类任务。

Images, Video & Audio

Asr Transcription Evaluation

9

bleakbelladonnals/asr-transcription-skills

录音转写(ASR)引擎选型与评测:多平台 API 转写(Gemini/阿里百炼/火山方舟/OpenAI)、转写质量 Benchmark(CER/锚点/幻觉/信息丢失)、录音硬件质量评测(断录/漏录检测)。适用于选型对比、写评测文章、搭建转写管线、判断录音设备是否漏录。

Images, Video & Audio

Video Summary

9

HOWILLMAKEIT/skills

BibiGPT 风格视频总结:输入 Bilibili / YouTube 视频链接,快速抓取字幕/转写文本,并生成结构化总结(TL;DR、核心要点、章节时间线、金句,支持中英文)。Use when the user shares a video link (bilibili.com, b23.tv, youtube.com, youtu.be) and asks to summarize it, extract key points, get subtitles/transcript, 总结视频, 提炼要点, 视频笔记.

Images, Video & Audio

Speech to Text Apis

9

bleakbelladonnals/asr-transcription-skills

多平台录音转写(Gemini / 阿里百炼 / 火山方舟)API 调用与对比评测。触发场景:课程/会议录音转文字、多引擎转写质量对比、公众号文章数据采集。包含三家 API 的调用方式、已踩过的坑、现成脚本位置和锚点对比方法。

Images, Video & Audio

Blender MCP

9

vladmdgolam/agent-skills

Blender MCP expert for scene inspection, Python scripting, GLTF export, and material/animation extraction. Activate when: (1) using Blender MCP tools (get_scene_info, execute_python, screenshot, etc.), (2) writing Blender Python scripts for extraction or manipulation, (3) exporting scenes to GLTF/GLB for web (Three.js, R3F), (4) debugging material or texture export losses, (5) optimizing GLB files with gltf-transform, (6) using asset integrations (PolyHaven, Sketchfab, Hyper3D Rodin, Hunyuan3D). Covers critical export gotchas, material mapping survival, texture optimization pipeline, headless

Images, Video & Audio

Browse the most popular Claude skills, all images, video & audio skills, or write your own with the skills generator.