用途：在本机（Apple Silicon / MLX）把音频、视频或在线视频链接转录成文字稿，纯本地、免费、不上传。这是语音识别（ASR）步骤，不做翻译；需要翻译时先转录再由模型翻译。
主要能力：支持本地 .mp3/.wav/.m4a/.mp4 等文件与 YouTube/Bilibili 等链接；支持中英文等多语言与自动语言检测；可选模型规格 tiny、small、medium、turbo、large-v3 或完整 HF repo id；一次输出同名 .txt/.srt/.vtt/.tsv/.json。
使用方式：统一调用脚本，$SKILL_DIR 为本 skill 目录： bash "$SKILL_DIR/scripts/transcribe.sh" <文件路径|URL> [model] [lang] [outdir] model 默认 turbo，lang 默认 auto，outdir 默认 ./transcripts。转录后脚本自动运行 verify_transcript.py 验证，也可手动： python3 "$SKILL_DIR/scripts/verify_transcript.py" 转录.json --audio 原音频.wav [--reference 参考.srt]
验证与限制：whisper 在长语音、静音或音乐上可能退化为同一句无限复读的幻觉或整段漏转，必须验证而非只看开头。验证含覆盖率缺口、重复循环、低置信聚集三道门，退出码 2 为 FAIL，FAIL 时不应直接交付，可换 turbo 重跑、用 ffmpeg 去头尾静音或人工核对。large-v3 有重复循环坍缩风险，实测 22 分钟中文播客出现大段复读，仅在 turbo 明显听错且会跑验证门时使用。
依赖：mlx_whisper（pip install mlx-whisper，Apple Silicon）、ffmpeg（brew install ffmpeg）、yt-dlp（pip install yt-dlp，仅处理 URL 时需要）。模型缓存于 ~/.cache/huggingface/hub/；large-v3 走镜像与断点续传下载，默认目录 ~/models/whisper-large-v3-mlx/，可用 WHISPER_LARGE_V3_DIR 覆盖。