用途：本技能提供一个 Bun + TypeScript 命令行工具，封装火山方舟（Ark）Doubao-Seed 多模态对话补全接口，对单个音频或视频来源做异步理解与转写。输入可为远程 URL 或本地路径，工具会做归一化（远程下载缓存、本地上传 TOS 预签名 URL）、超大媒体切片、并发调用 Ark 并合并结果。
主要能力：通过 --task 选择任务，包括 asr（纯文字转写）、asr-timestamp（逐字开始-结束-字符）、multispeaker-asr（多说话人）、ast（语音翻译，配 --target-language）、diarize（说话人日志）、subtitle-align（已知字幕字符级打轴）、caption（音/视频整体 markdown 分析）、video-timeline（视频时间轴 JSON）、keyframe-extract（技术博客配图关键帧 JSON）、understand（自定义 prompt 通用理解）。只看声音的任务会先用 ffmpeg 抽取 16kHz mono WAV；其余任务直接传 video_url。
使用方式：先安装 Bun，并在 scripts 目录执行 bun install。运行 bun run {baseDir}/scripts/main.ts --task <任务> --url 或 --path ... --out-dir ./out。需配置 ARK_API_KEY、ARK_MODEL，可选 ARK_BASE_URL、ARK_REASONING_EFFORT；本地文件上传还需 TOS_ACCESS_KEY_ID、TOS_ACCESS_KEY_SECRET、TOS_BUCKET、TOS_REGION 等。部分 endpoint 仅支持 input_audio，遇 400 invalid value: audio_url 时加 --audio-part-type input_audio。
限制：时长/大小超阈值会被切片（视频 >20min 或 >50MB，音频 >120min 或 >50MB），多段按 --concurrency 默认 3 并发；依赖 ffmpeg 与 ffprobe，缺失时会提示安装并默认等待确认。分类、收费、价格、效果等资料未提供。