核心用法
dlazy-elevenlabs-stt 是一个封装 ElevenLabs Scribe v1 语音转文字模型的 CLI 工具，通过 dLazy 托管 API 提供服务。用户通过 dlazy elevenlabs-stt 命令调用，支持音频 URL 或本地文件输入，可自动检测语言（中文/英文）并可选开启说话人分离（diarization）。
主要功能参数：
--audio_url: 音频来源（URL 或本地路径）--language_code: 语言代码（zh/en，默认中文）--diarize: 启用说话人分离--dry-run: 预演模式，估算费用不实际调用--no-wait: 异步模式，返回任务 ID 后自行轮询
显著优点
1. 底层模型权威：ElevenLabs Scribe v1 是业界领先的语音转文字模型，在多语言准确率和说话人分离方面表现优异
2. 使用门槛低：通过 dlazy login 完成设备码认证，无需手动复制 API key；支持 npx 免安装运行
3. 灵活输出：支持同步等待结果或异步任务模式，适合不同耗时场景
4. 成本可控：--dry-run 预演模式可在执行前估算费用
潜在缺点与局限性
1. 依赖第三方 SaaS：核心推理完全依赖 dLazy 托管服务（api.dlazy.com、files.dlazy.com），需稳定网络连接
2. 语言支持有限：目前仅明确支持中文和英文，其他语言需验证
3. 成本风险：语音转文字按量计费，长音频可能产生较高费用；余额不足时任务失败
4. 隐私考量：音频文件需上传至 dLazy 云端处理，敏感内容需谨慎
5. CLI 版本锁定：技能强制锁定 @dlazy/cli@1.0.9，可能无法及时获取上游更新
适合人群
- 需要快速生成字幕、转录稿的内容创作者
- 有会议记录、访谈整理需求的职场用户
- 需要说话人分离功能的播客/视频制作者
- 愿意接受 SaaS 模式、追求开箱即用体验的用户
常规风险
| 风险类型 | 说明 |
|---------|------|
| 认证失效 | API key 过期或被撤销时需重新 `dlazy login` |
| 余额耗尽 | 需及时充值，否则任务中断 |
| 网络超时 | 长音频处理可能超时，建议配合 `--no-wait` 异步模式 |
| 数据驻留 | 上传的音频文件存储于 dLazy 云端，需关注服务条款 |