Transcribe 是一个本地语音转文字技能，基于 Whisper 实现。在 Apple Silicon 上使用 mlx-whisper，可调用 GPU，速度较快，15 至 20 分钟的文件通常只需几分钟；其他平台使用 openai-whisper，功能相同但速度较慢。两者均通过 uvx 运行，不会永久安装。
用途：将音频或视频文件转写为文本，或生成字幕文件。
主要能力与流程：
- 定位输入文件：使用用户给出的路径，或 youtube-search 下载步骤输出的路径，并用 ls 确认文件存在。
- 按需转换格式：两个引擎可通过 ffmpeg 直接读取 m4a、mp3、wav、flac、ogg、webm 和 mp4。若是不常见格式（.amr、.wma、.caf）或 .opus 语音消息，先用 ffmpeg 转为 m4a，例如：ffmpeg -i "input.opus" -c:a aac -b:a 128k "input.m4a"。
- 选择语言：用户明确说明或上下文明显时，传入 --language <code>（如 en、es、fr）；自动检测会耗时，且可能误判短音频。仅在语言确实未知时省略该参数。
- 选择引擎：用 uname -sm 判断，Darwin arm64 使用 mlx-whisper，其余使用 openai-whisper。
- 运行转写（预留最多 600 秒；首次运行会下载约 1.5 GB 模型）：
Apple Silicon（mlx-whisper）：
OUTPUT_DIR=$(mktemp -d)
uvx --from mlx-whisper mlx_whisper "/path/to/audio.m4a"
--model mlx-community/whisper-large-v3-turbo
--language en --output-format txt -o "$OUTPUT_DIR"
其他平台（openai-whisper，需要 ffmpeg 在 PATH 中；默认使用 turbo 模型；仅 CPU 时长文件较慢）：
OUTPUT_DIR=$(mktemp -d)
uvx --from openai-whisper whisper "/path/to/audio.m4a"
--model turbo --language en --output_format txt -o "$OUTPUT_DIR"
注意两个引擎的参数拼写不同：mlx-whisper 为 --output-format，openai-whisper 为 --output_format。需要字幕时可用 srt 或 vtt，或使用 all 输出所有格式。完成标准是 $OUTPUT_DIR/<输入文件名>.txt 存在且非空。 6. 交付转写结果：在对话中完整输出原文，仅在用户要求时总结；超过约 2000 词时，可询问是否保存为与源文件同目录的 .txt 文件。
适用场景：本地音视频转写、字幕生成、会议或访谈录音整理等。
限制：首次运行需下载模型；非 Apple Silicon 平台使用 CPU 转写长文件较慢；自动语言检测耗时且对短音频可能不准；不常见格式需先转换为 m4a。