LAS 语音识别（las_asr_pro）

支持将音频/视频转写为文字，可选说话人分离、情绪/性别识别、多语种自动识别。

设计模式

本 skill 主要采用：

• Tool Wrapper：封装 lasutil CLI 调用
• Pipeline：包含 Step 0 -> Step N 的顺序工作流

核心 API 与配置

• 算子 ID: las_asr_pro
• API: 异步（submit -> poll）
• 环境变量: LAS_API_KEY (必填)

Gotchas

• 格式易错：audio.format 必须是容器格式（wav/mp3/m4a），非编码格式。不确定时用 ffprobe 确认。
• 密钥安全：若聊天框屏蔽密钥，让用户在当前目录创建 env.sh 并写入 export LAS_API_KEY="..."，SDK 会自动读取。
• 免责声明：最终回复结果时必须包含："本方式的计费均为预估计费，与实际费用有差距，实际费用以运行后火山产生的账单为准。计费说明请参考 Volcengine LAS 定价。"，且禁止使用"实际费用"字眼描述预估价。

工作流（严格按步骤执行）

执行进度：
- [ ] Step 0: 前置检查
- [ ] Step 1: 初始化与准备
- [ ] Step 2: 预估价格
- [ ] Step 3: 提交任务
- [ ] Step 4: 异步查询
- [ ] Step 5: 结果呈现

Step 0: 前置检查（必须在第一轮对话中完成）

1. 检查 `LAS_API_KEY` 与 `LAS_REGION`：确认环境变量或 .env 中是否已配置。
2. 检查输入路径：如果用户要求处理的是本地文件，则需要先通过 File API 上传至 TOS。
3. 确认无误后：才能进入下一步。

Step 1: 初始化与准备

source "$(dirname "$0")/scripts/env_init.sh" las_asr_pro
workdir=$LAS_WORKDIR

• 处理本地文件时：先本地检查格式和时长，预估价格，用户确认后再上传：

``bash ./scripts/check_format.sh <local_path> ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:noprint_section=1 <local_path> ` 计算预估价格并等待用户确认后，再执行上传： `bash lasutil file-upload <local_path> ``

Step 2: 预估价格（必须获得用户确认）

1. 读取 references/prices.md 获取最新计费标准。
2. 优先本地获取时长：

``bash duration_sec=$(ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:noprint_section=1 <local_path>) `` 如果 ffprobe 失败，再使用 lasutil 远程获取。

1. 根据时长和模型单价计算总价，将计费单价与预估总价一并告知用户并强制暂停执行。

Step 3: 提交任务 (Submit)

构造基础 data.json（仅需必填项，其他按需添加）：

{
  "audio": {"url": "<presigned_url>", "format": "wav"},
  "request": {"model_name": "bigmodel"}
}

data=$(cat "$workdir/data.json")
lasutil submit las_asr_pro "$data" > "$workdir/submit.json"

Step 4: 异步查询 (Poll)

使用优化的后台轮询脚本（动态间隔 + 自动提取结果）：

mkdir -p "./output/{task_id}"
./scripts/poll_background.sh {task_id} "./output/{task_id}" & disown

脚本特性：

• 动态间隔：前 5 次 30s，5-10 次 60s，10 次后 120s
• 自动提取：完成后自动生成 transcript.txt / utterances.json / utterances.csv
• 日志记录：完整轮询历史保存在 poll.log

手动查询：

lasutil poll las_asr_pro {task_id} > "./output/{task_id}/result.json"

Step 5: 结果呈现

自动生成结果展示：

./scripts/generate_result.md.sh {task_id} "./output/{task_id}" <estimated_price>

输出文件结构：

./output/{task_id}/
  result.json       # 完整 API 响应
  transcript.txt    # 完整识别文本
  utterances.json   # 分句原始数据
  utterances.csv    # 分句说话人 CSV

向用户展示：

1. 使用生成的 markdown 模板
2. 展示前 500 字转写文本
3. 提供本地文件路径
4. 提供签名下载链接（如上传成功）
5. 计费声明已自动包含在模板中

审查标准

执行完成后，Agent 应自检：

1. 环境变量是否正确配置
2. 输入文件是否成功上传
3. 输出结果是否正确呈现给用户
4. 计费声明是否包含