项目概览
把一个或多个音频、视频交给 Claude Code，通过 Gemini 生成按文件组织的 Markdown 转录，包含语言、时长、说话人、主题、分段时间戳和听不清提示。支持多种常见格式并可并行处理；需要 Gemini API 密钥，输出使用通用说话人编号，不能直接识别真实姓名。
仓库事实
- 主要语言
- Python
- 许可证
- MIT
- 仓库更新时间
- 2026年5月26日
- 默认分支
- main
资源类型
通用技能
使用场景
音频与播客制作媒体、音频与视频
运行平台
Claude Code、Codex 等
运行方式
本地运行
核心能力
音频处理语音转写