用途：对视频或音频进行理解与转写，支持多提供商自动回退和模型选择。
主要能力：自动按优先级选择可用提供商（Gemini、Vertex AI、OpenRouter、FFMPEG、OpenAI、AssemblyAI、Deepgram、Groq、本地 Whisper）。能力分三档：完整视频（视觉+音频）、帧+ASR（离线免费）、仅 ASR。支持自定义提示词、指定提供商/模型、仅 ASR 模式、输出 JSON 到文件、静默模式、列出模型与提供商。
使用方式：先运行 python3 scripts/check_providers.py 检查可用提供商；处理视频用 python3 scripts/process_video.py "https://youtube.com/watch?v=..." 或本地路径；自定义提示词加 -p；指定提供商/模型用 --provider 与 -m；列出模型用 --list-models；验证环境用 python3 scripts/setup.py。
适用场景：视频转写、内容理解、按时间戳提取信息等。
限制：完整视频理解需相应 API Key 与依赖（如 pip install google-generativeai、openai）；ASR 回退需 yt-dlp、ffmpeg 及对应 SDK；本地 Whisper 离线可用但需安装 openai-whisper。具体收费、价格与效果资料未提供。