核心用法
Speech is Cheap (SIC) 是一个专为自动化管道设计的语音转文字技能，通过 CLI 工具 asr.sh 提供快速、廉价的转录服务。支持两种主要输入方式：远程 URL 直接转录（无需下载）和本地文件自动上传处理。核心命令结构简洁：./skills/asr/scripts/asr.sh transcribe --url <音频地址> 或 --file <本地路径>。
功能层面覆盖完整 ASR 需求：说话人分离（--speakers）、词级时间戳（--words）、音频标签分类（音乐/噪音等，--labels）、实时流式输出（--stream）。输出格式灵活，支持 JSON（默认）、SRT、VTT 等字幕格式。隐私模式（--private）可确保音频和转录结果不被存储。高级场景支持 webhook 回调和自定义置信度阈值。
显著优点
1. 极致成本优势：每小时 $0.06-$0.12 的定价，相较 Deepgram 或 OpenAI Whisper API 实现 2-15 倍成本削减，适合高频次、大批量转录场景。
2. 速度突出：100 分钟音频约 1 分钟完成处理，满足实时性要求较高的流水线需求。
3. 多语言原生支持：100 种语言自动检测，无需预先指定语言代码。
4. Agent 原生设计：JSON 默认输出、清晰的错误提示、环境变量配置，无缝嵌入自动化工作流。
潜在缺点与局限性
1. 新兴服务商风险：对比 Deepgram/Google Cloud Speech 等成熟厂商，SIC 的长期运营稳定性、SLA 保障未经大规模生产验证。
2. 功能深度待观察：说话人分离准确率、专业术语识别、口音适应性等关键 ASR 质量指标未在文档中披露 benchmark。
3. 地理与合规存疑：upload.speechischeap.com 的服务器位置、GDPR/数据主权合规性未明确说明，金融/医疗等敏感场景需谨慎评估。
4. 依赖单一外部服务：无本地模型 fallback，网络中断或服务宕机将直接阻断转录能力。
适合人群
- 需要批量处理播客、会议记录、视频字幕的内容创作者与媒体团队
- 构建语音 Agent 管道的开发者，追求成本优先的 MVP 阶段项目
- 多语言内容平台的自动化工作流集成
常规风险
- API 密钥泄露：
SIC_API_KEY以明文环境变量存储，共享环境或 CI 日志中需额外注意机密管理。 - 数据隐私：除非显式启用
--private，音频文件可能被服务端保留用于模型优化，敏感内容建议始终添加隐私标志。 - 供应商锁定：转录格式虽标准，但高级功能（如特定 diarization 算法）迁移至其他 ASR 服务可能需要重新调优。