（5801期）speechall-cli – 多厂商语音转写终端利器

多厂商语音转写终端利器 Speechall 官方 CLI 工具，支持多厂商语音转文字，一键生成字幕与说话人分离，适合开发者批量处理音视频。 使用说明 核心用法 speechall-cli 是一款面向开发者的命令行语音转文字工具，通过 Speechall API 聚合 OpenAI、Deepgram、AssemblyAI、Google、Gemini 等十余家主流 STT 服务商。用户可通过 Homebrew 快速安装，配置 API Key 后即可在终端完成音频/视频文件的转录任务。核心命令包括 speechall <file>> 进行基础转录、、speechall models 查询可用模型，支持语言指定、输出格式切换（text/json/srt/vtt）、说话人分离（diarization）、自定义词汇增强等高级功能。macOS 用户可直接传入视频文件，系统会自动提取音频流。 显著优点 多厂商聚合能力是最大亮点，用户无需分别对接各家 API，通过统一 CLI 即可切换不同模型对比效果，降低技术选型成本。终端原生体验契合开发者工作流，支持管道操作与脚本集成，便于批量处理与自动化流水线搭建。功能覆盖全面，从基础转录到专业场景（多说话人识别、字幕生成、领域词汇优化）均有支持，且文档详尽、参数说明清晰。安装方式简单，Homebrew 一键部署，跨平台支持 macOS 与 Linux。 潜在缺点与局限性 网络依赖性强，所有处理均需上传至 Speechall 云端，无法离线使用，对敏感音频或内网环境不适用。成本不可控，虽然工具本身免费，但调用背后多家商业 API 会产生按量计费，高频使用需关注账单。服务商锁定风险，Speechall 作为中间层若出现服务中断或定价调整，将直接影响业务连续性。此外，Linux 用户需自行处理视频转音频步骤，体验略逊于 macOS。 适合的目标群体 主要面向开发者、音视频工程师、内容创作者及运维人员。适合需要批量处理播客、会议录音、访谈视频并生成可搜索文本或字幕的技术团队；也适合快速原型验证阶段需要对比多家 STT 效果的产品经理。对于追求自动化、习惯命令行工作流的技术用户尤为契合。 使用风险 密钥泄露风险：API Key 若通过命令行参数传递可能残留于 shell 历史记录，建议优先使用环境变量。数据隐私风险：音频文件上传至第三方云服务，涉及敏感内容的场景需评估合规要求。网络稳定性：大文件上传受带宽与 API 响应时间制约，批量任务需考虑重试机制。依赖项风险：CLI 本身轻量，但功能完全依赖 Speechall 后端服务可用性。 原始说明 Install and use the speechall CLI tool for speech-to-text transcription. Use when the user wants to: (1) transcribe audio or video files to text, (2) install speechall on macOS or Linux, (3) list available STT models and their capabilities, (4) use speaker diarization, subtitles, or other transcription features from the terminal. Triggers on mentions of speechall, audio transcription CLI, or speech-to-text from the command line.