用途：把音频（或音视频中的语音）转写为文本，可选开启说话人分离（diarization）并传入已知说话人参考。
主要能力与决策规则：默认使用 gpt-4o-mini-transcribe 配合 --response-format text 做快速文本转写；需要说话人标签时改用 --model gpt-4o-transcribe-diarize 与 --response-format diarized_json。音频超过约 30 秒时保留 --chunking-strategy auto。gpt-4o-transcribe-diarize 不支持 prompting。已知说话人最多 4 个，以 --known-speaker "Alice=refs/alice.wav" 形式传入。
使用方式：先安装依赖，优先 uv pip install openai，否则 python3 -m pip install openai。设置 OPENAI_API_KEY；缺失时让用户在本地创建并 export，不要让其把密钥粘贴到对话中。设置技能路径：export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"，export TRANSCRIBE_CLI="$CODEX_HOME/skills/transcribe/scripts/transcribe_diarize.py"。用户级技能安装于 $CODEX_HOME/skills（默认 ~/.codex/skills）。单文件快速转写：python3 "$TRANSCRIBE_CLI" path/to/audio.wav --out transcript.txt。分离并指定说话人：python3 "$TRANSCRIBE_CLI" meeting.m4a --model gpt-4o-transcribe-diarize --known-speaker "Alice=refs/alice.wav" --known-speaker "Bob=refs/bob.wav" --response-format diarized_json --out-dir output/transcribe/meeting。显式纯文本：python3 "$TRANSCRIBE_CLI" interview.mp3 --response-format text --out interview.txt。
输出约定：在本仓库中保存到 output/transcribe/；评估运行使用 output/transcribe/<job-id>/；多文件用 --out-dir 避免覆盖。转写后应校验质量、说话人标签与分段边界，必要时做单点调整。
限制：需要 OPENAI_API_KEY 才能实际调用 API；支持格式、大小限制、响应格式与已知说话人细节见 references/api.md（此处暂未提供具体内容）；gpt-4o-transcribe-diarize 不支持 prompting。