用途：将音频文件转写为文本，使用 whisper-cpp 在本地离线运行，不需要 API 密钥或网络连接。
主要能力：支持 MP3、WAV、FLAC、OGG、M4A 以及 whisper-cpp 支持的其他格式；可自动检测语言或手动指定；可选择模型大小（tiny、base、small、medium、large）；可输出 txt、srt、vtt 格式，并可附带时间戳。
基本用法： transcribe-audio input.mp3 transcribe-audio input.wav --language en transcribe-audio input.flac --model medium
选项：--language <code> 指定源语言（默认自动检测）；--model <size> 选择模型大小；--output <format> 输出格式，默认 txt；--timestamp 在输出中包含时间戳。
适用场景：语音转文字、播客、讲座、会议等音频转写；带时间戳的 vtt 输出可用于字幕，例如 transcribe-audio file.mp4 --output vtt。
限制与提示：更大的模型（medium、large）更准确但更慢；自动检测对常见语言效果较好，混合语言音频建议显式指定语言；为获得最佳效果，建议使用未压缩的 WAV 或 FLAC；所有处理均在本地完成，数据不会离开本机。安装方式与具体依赖要求暂未提供。