用途：该技能用 WhisperX 转录视频音频，保留原始时间戳，生成干净、含词级时间的 JSON 转录稿，供后续视频分析使用。
主要能力：输出词级时间戳的 JSON 转录；在库流程中通常以机械方式运行 ruby lib/buttercut/process_footage.rb transcripts <library>（经由 TranscribeJob），使不同模型的素材分析结果保持一致。WhisperX 命令只集中在一处：lib/buttercut/transcribe_job.rb，也可独立运行：ruby lib/buttercut/transcribe_job.rb <video_path> <output_dir> <language_code> <whisper_model>。refine_instructions.md 是单独的判断式精修步骤的说明，由 analyze-video 第 3 步派发。
使用方式：SKILL.md 是父级派发说明，子代理的实际工作提示位于 agent_prompt.md，启动 Task 代理时应内联其内容，不要传 SKILL.md。需要内联传入：video_path（视频绝对路径）、transcript_output_dir（转录 JSON 输出目录，如 libraries/<library>/transcripts）、language_code（ISO 639-1 代码，如 en、es，由父级依据 library.yaml 语言名映射）、whisper_model（来自 settings.yaml，如 small、medium、turbo）。若 library.yaml 的 transcript_refinement 为 true，还需传入 user_context 和 footage_summary（均可能为空字符串）。代理返回后，将 library.yaml 更新为 transcript: <filename>.json。
并行与限制：最多并行 2 个；WhisperX 本身经 CTranslate2 已多线程（约 4 CPU 线程），2 个进程是 16GB 机器上吞吐与内存的较优平衡。依赖：必须安装 WhisperX，可用 setup 技能验证。所有视频音频转录完成后，再派发 analyze-video 生成视觉描述。
其他说明：资料未提供收费标准、价格、支持平台与效果保证等信息。