用途：从 YouTube 视频按 URL 或视频 ID 下载字幕/转录文本与封面图，支持手动创建和自动生成的字幕。直接使用 YouTube InnerTube API，被拦截时回退到 yt-dlp，无需 API 密钥或浏览器。
主要能力：多语言按优先级选择（--languages zh,en,ja）；翻译（--translate zh-Hans）；列出可用字幕（--list）；章节切分（--chapters，从视频简介解析时间戳）；说话人识别（--speakers，需 AI 后处理，会隐含启用 --chapters）；输出 Markdown（默认带时间戳）或 SRT 字幕（--format srt）；--no-timestamps 关闭时间戳；--exclude-generated / --exclude-manually-created 过滤字幕来源；--refresh 忽略缓存重新抓取；-o/--output 与 --output-dir 指定输出。
使用方式：运行 ${BUN_X} {baseDir}/scripts/main.ts <youtube-url-or-id>，可附加上述选项。运行时先解析 BUN_X：已装 bun 用 bun，否则 npx -y bun，都没有则建议安装 bun。URL 务必用单引号包裹，因 zsh 会把 ? 当作通配符导致报错。接受完整、短链、嵌入、Shorts 及纯视频 ID。首次抓取会缓存 meta.json、transcript-raw.json、transcript-sentences.json 与 imgs/cover.jpg，同视频改变格式复用缓存；请求不同语言会自动刷新缓存。可用环境变量 YOUTUBE_TRANSCRIPT_COOKIES_FROM_BROWSER=chrome/safari/firefox（或 chrome:Profile 1）传给回退的 yt-dlp。
适用场景：需要视频文字稿、字幕文件、章节化文稿，或做说话人标注的访谈、播客类内容。
限制：视频无字幕、请求语言缺失、视频删除/私密/区域锁定、IP 被限、年龄限制、机器人检测等情况会报错；年龄限制所需登录、付费与价格、平台支持等信息暂未提供。说话人识别需额外 AI 后处理并可能产生模型成本，由使用者自行决定。