用途：该技能用于下载视频并转录其内容，以便对视频进行理解、总结或分析。
依赖前提：需要预先安装 yt-dlp（pip install yt-dlp 或 brew install yt-dlp）、ffmpeg（brew install ffmpeg 或 apt install ffmpeg）以及 Whisper（pip install openai-whisper）。
处理流程：
- 用 yt-dlp 下载视频，例如 yt-dlp -o "assets/downloads/%(title)s.%(ext)s" "<VIDEO_URL>"；可选最佳画质参数 -f "bestvideo[ext=mp4]+bestaudio[ext=m4a]/best[ext=mp4]/best"，或仅下载音频 yt-dlp -x --audio-format mp3 -o "assets/downloads/%(title)s.%(ext)s" "<VIDEO_URL>"。
- 若下载的是视频，用 ffmpeg 抽取音频：ffmpeg -i "assets/downloads/video.mp4" -vn -acodec mp3 -ab 128k "assets/downloads/audio.mp3"。
- 用 Whisper 转录：whisper "assets/downloads/audio.mp3" --model base --output_format txt --output_dir output/，也可用 medium 模型、--output_format all 或 srt 获取时间戳。
- 从 output/ 读取生成的转录文件，进行要点总结、提取引文与时间戳，并在多说话人场景下识别说话人。
模型选项与输出：模型包括 tiny、base、small、medium、large，体积从 39M 到 1550M，速度与质量递增；输出格式支持 txt、srt、vtt、json（含词级时间）与 all。
提示与限制：可用 base 求速度、medium 求准确；可加 --language en 强制指定语言，或用 --task translate 翻译为英文；下载文件在 assets/downloads/，转录结果建议存放于 output/transcripts/。具体支持平台、收费与效果等资料暂未提供。