利用 OpenRouter API 调用 Gemini、GPT-4o-audio 等模型实现音频转文字，支持自定义模型、提示词和输出格式
说明：
## 核心用法
`openrouter-transcribe` 是一个通过 OpenRouter API 实现音频转录的 CLI 工具。用户只需运行脚本并传入音频文件路径，即可调用 Gemini 2.5 Flash 等音频模型进行转录。脚本会自动将音频转换为 WAV 格式（单声道、16kHz）、Base64 编码后发送至 OpenRouter 的 chat completions 接口。
## 显著优点
– **模型灵活性**：支持多种音频模型（Gemini 系列、GPT-4o-audio-preview 等），可随时切换
– **低成本接入**：OpenRouter 作为模型聚合平台，提供统一 API 和竞争定价
– **高度可定制**：支持自定义提示词（如说话人标注）、输出文件路径、调用者标识
– **健壮性设计**：针对大文件优化，避免 shell 参数长度限制；兼容 macOS 临时文件处理
## 潜在缺点与局限性
– **依赖外部服务**：完全依赖 OpenRouter 可用性和模型支持状态
– **音频预处理限制**：强制转换为单声道 16kHz，可能损失立体声信息或高保真细节
– **文件大小约束**：虽未明确限制，但大文件 Base64 编码后可能触发 API 长度限制
– **网络依赖**：无离线能力，需稳定网络连接
## 适合人群
– 开发者需快速集成音频转录功能
– 研究人员对比不同音频模型效果
– 小型项目预算敏感、不愿维护多供应商 API
## 常规风险
– **API 密钥泄露**：需妥善保管 `OPENROUTER_API_KEY`
– **数据隐私**：音频内容上传至第三方平台，敏感内容需谨慎
– **成本控制**：按 token 计费，长音频可能产生意外费用
会员专属
