用途：将本地音频或视频（mp4、mov、mp3、wav、m4a、flac 等）转录为结构化 Markdown，默认启用说话人分离并输出时间戳；原名 funasr-transcribe，现以 local-asr 为统一入口，Apple Silicon 默认引擎 MOSS-MLX，FunASR 原生与 ONNX 管线保留为显式选择。
主要能力：自动时间戳；说话人分离与 CAM++ 跨段说话人链接；MOSS 默认同时转写、标时间戳、区分匿名说话人（[S01] 等仅为匿名标签，不识别真实姓名）；Paraformer ONNX 加速、SenseVoice-Small ONNX（实验性）；单人快速模式 --fast；paraformer-onnx 后处理（先 VAD 分段再清理文本、恢复标点、句子级时间戳）；视频关键帧截图（--no-slides 跳过）；认领式声纹注册后后续转录自动标注注册名；转录后附带 AI 总结提示词。
使用方式：先在技能目录建 venv 并运行 python3 scripts/setup.py 安装依赖与模型（旧管线用 --legacy），再 python3 scripts/server.py 启动服务（默认 http://127.0.0.1:8765，空闲自动关闭，可用 --idle-timeout 调整）；转录用 python3 scripts/transcribe.py /path/to/audio.mp3（可加 --diarize、--model paraformer / paraformer-onnx、--fast、--slides 等），或 POST /transcribe；推荐入口 scripts/auto_transcribe.py，可用 --json、--save-result、--prompt-only；认领注册用 POST /speaker/register 或 python3 scripts/speaker_registry.py claim。
依赖与限制：需 Python 3.10–3.12（默认双后端）、curl、ffmpeg；MLX 后端仅支持 Apple Silicon macOS；服务默认只监听本机，不上传云端，无需 API Key；首次安装或下载模型会联网，之后可离线。分段时间戳为近似映射，说话人准确率不作保证，需人工复核；声纹识别状态含 matched、unknown、insufficient_audio、extraction_failed、disabled；第三方声纹注册须先取得其单独同意。量化不保证更快或保持同样标签。
缺少事实：本资料未提供收费与价格信息，暂未提供。