核心用法
any-whisper-api 是一个基于 curl 的命令行工具，用于调用 OpenAI Whisper API 或兼容的本地服务器进行语音转文字。用户只需指定音频文件路径即可快速获得转录结果，支持 m4a、ogg 等常见格式。
显著优点
1. 灵活性高：支持自定义 WHISPER_API_HOST，可对接官方 API 或自建兼容服务（如 faster-whisper-server、whisper.cpp 等），避免 vendor lock-in
2. 参数丰富：可指定模型版本、输出语言、提示词（prompt）优化专有名词识别，支持 JSON 格式输出便于后续处理
3. 配置便捷：支持环境变量或 JSON 配置文件双模式管理密钥，符合 12-factor 应用原则
4. 轻量无依赖：仅需 curl，无需安装 Python 或 PyTorch 等重型运行时
潜在缺点与局限性
- 网络依赖：必须保持 API 端点可达，离线场景需额外部署本地服务
- 成本敏感：按音频时长计费，长音频转录成本累积明显
- 隐私风险：上传敏感音频至第三方服务存在数据泄露可能，医疗、法律等场景需谨慎
- 无实时能力：仅支持文件级批处理，不支持流式语音识别
适合人群
- 开发者/运维人员需要自动化音频处理流水线
- 播客、会议记录团队进行批量内容转录
- 已自建 Whisper 服务的用户寻求标准化 CLI 接口
常规风险
- API 密钥泄露可能导致账户被盗刷
- 非官方端点兼容性未经充分验证，存在输出格式差异风险
- 大文件上传可能触发超时或中断，建议分片处理
使用示例
# 基础转录 ./transcribe.sh interview.m4a # 指定语言并输出 JSON ./transcribe.sh meeting.ogg --language zh --json --out result.json # 使用提示词优化人名识别 ./transcribe.sh podcast.mp3 --prompt "嘉宾：张三、李四"