用途：通过 Gemini 2.5 Flash API 对音频和视频文件进行转写，适合用户要求转写录音、生成会议摘要或从视频中提取语音的场景。
主要能力：默认通用模式提供带时间码 [MM:SS] 和说话人识别的逐字转写，输出 <name> - transcript.md；加 --with-summary 可额外输出 <name> - summary.md。界面分析模式（--analyze-ui，仅视频）提供屏幕界面、导航与操作的详细分析及截图，输出 <name> - summary.md、<name> - detailed.md、<name> - transcript.md 以及 screenshots/ 目录下的关键帧 PNG。
使用方式：命令为 /transcribe <FilePath> [--output-dir DIR] [--analyze-ui] [--with-summary] [--format md|txt]。FilePath 必填；--output-dir 默认 <file_folder>/Transcript/<name>/；--format 默认 md，可选 txt。运行脚本：PYTHONUNBUFFERED=1 python <skill-dir>/scripts/transcribe.py "<FilePath>" [--output-dir "<OutputDir>"] [--analyze-ui] [--with-summary] [--format md|txt]，PYTHONUNBUFFERED=1 为必需项。脚本运行约 5–15 分钟，超过 1 小时的文件自动切分。
支持格式：视频 mp4、mkv、webm、avi、mov；音频 mp3、wav、ogg、m4a、flac、aac、wma。
依赖：Python 包 google-genai、python-dotenv；系统需 PATH 中有 ffmpeg、ffprobe；API 密钥位于 ~/.cursor/skills/transcribe/.env（或对应工具的技能目录），内容为 GEMINI_API_KEY=...。
费用：约每 1 小时录音 $0.10（Gemini 2.5 Flash），长文件按比例计费。
限制：单次 Gemini 请求上限约 1 小时（脚本自动切分）；西里尔文件名会自动复制为 ASCII 名称的临时文件；截图质量取决于源视频质量；时间码精度约为正负几秒；对音频文件使用 --analyze-ui 会自动回退为通用模式加摘要。