用途：调用 StepFun 的 stepaudio-3-asr-max 模型转写中文/英文音频，长音频单次调用完成，无需分块。
主要能力：脚本 scripts/asr_transcribe.py 负责 base64 编码、嵌套请求体构造与 SSE 解析；--json 输出用量与逐词时间戳（segments）；--language 指定非中文音频；--model 可切换旧模型。scripts/asr_file.py 通过异步文件接口做说话人分离，最多 10 人，但只接受可公开访问的 URL，不接受 base64 或 stepfile://。scripts/check_params.py 对比官方字段表与 REQUEST_PARAMS，防止漏传参数。
使用方式：API key 依次从 $STEPFUN_API_KEY 或 ${CLAUDE_PLUGIN_DATA}/config.json 读取，缺失即失败，不设默认值。首次配置：mkdir -p "${CLAUDE_PLUGIN_DATA}" && cat > "${CLAUDE_PLUGIN_DATA}/config.json" <<EOF 写入 {"api_key": "..."}。基本命令：python3 scripts/asr_transcribe.py /path/to/audio.mp3。
限制与注意：模型不在 /v1/audio/transcriptions，误用会返回看似“模型不存在”的错误；必须使用 Normal key，Plan 订阅 key 无法调用音频接口且报错不含鉴权信息；SSE 流中可能出现 type: error 事件，需显式处理；最终文本以 transcript.text.done.text 为准；超过约 30 分钟需先用 ffmpeg 切分；mp4/m4a/webm 等需先转码；高度重复内容可能出现重复幻觉，建议用 step-asr-1.1 交叉验证。定价 2.8 元/小时（2026-09-16 核实，易变）。