用途：把音频/视频录音自动转写为文本，并输出结构化 Markdown 报告，适合会议、访谈、讲座和内容分析。
主要能力：自动检测已安装的转写引擎（优先 Faster-Whisper，其次 OpenAI Whisper）；用 ffprobe 提取文件大小、时长、编码等元数据；支持说话人识别、时间戳、语言检测；生成会议纪要（参与者、讨论主题、决策、行动项）与执行摘要；可输出 SRT、VTT 字幕及 JSON 结构化数据；支持批量处理多个音频文件。
使用方式：在支持该技能的终端环境中调用，例如输入“transcribe audio to markdown: meeting.mp3”。若未检测到转写工具，会提示自动安装，可运行 pip install faster-whisper（推荐）或 pip install openai-whisper；格式转换需 ffmpeg（macOS 用 brew install ffmpeg，Linux 用 apt install ffmpeg）。输出文件按时间戳命名，如 transcript-YYYYMMDD-HHMMSS.md 和 summary-YYYYMMDD-HHMMSS.md。
适用场景：会议记录、访谈整理、讲座笔记、字幕生成、长音频摘要。
限制：依赖本地 Python 环境与 Whisper 类模型；大文件（如超过 25MB 或 1GB）处理耗时较长；低质量或嘈杂音频可能转写不准；LLM 摘要需外部模型或 CLI 工具，超长文本可能超时；具体收费、价格与平台支持情况暂未提供。