media-transcriber
该技能用于将视频或音频文件通过本地 OpenAI Whisper 转写为带时间戳的文字稿,并进一步生成摘要。支持 mp3、m4a、wav、ogg、flac、mp4、mov、mkv、webm、avi 等格式,输出全文 md 与摘要 md 两个文件。可通过命令行参数选择模型(tiny/base/small/medium/large-v3/turbo)、语言、输出格式及分段粒度(按秒、按句、按词或 Whisper 自然分割)。适用于会议录像整理、访谈音频转纪要、视频转写与摘要等场景。