用途：把音频或视频转写为文本、JSON 或 SRT 字幕，全程在本地完成，音频不离开机器。底层命令为 edgespeak-cli transcribe，应用运行时走本地网关（127.0.0.1:1117）复用已加载模型，应用未运行则由 CLI 自行启动内置引擎（独立模式属正常状态）。
主要能力：输出 stdout 文本或 .txt/.json/.srt 文件，扩展名决定格式；JSON 支持词级时间（segments[].words[]，字段 word/start/end/score?，分数缺失即无，不可编造）；词级粒度仅对 json 有效。可用 --min-chars、--max-chars 调整语义断句，用 --start-margin、--end-margin（秒，0.0-5.0）设置字幕前后留白；--device 选择 cpu/cuda/metal，仅独立模式有效。加 --diarize 可做本地匿名说话人分离，只作用于 JSON，输出结构与 verbose_json 不同（顶层为 text/segments/usage，段内带 speaker，无法归属时为 null）。
使用方式：先 edgespeak-cli status 检查运行时，未安装时按平台安装，未激活则 edgespeak-cli login 或 activate，或 edgespeak-cli trial 启动匿名试用；非交互环境会以 license_required 失败。随后执行 edgespeak-cli transcribe <文件> -o out.json --max-chars 80。若输出路径已存在，CLI 会静默覆盖，需先与用户确认或改用新路径。
适用场景与限制：适合本地会议、访谈等音视频转写和字幕制作。注意文件转写仅本地进行；重跑会消耗整段推理，建议先以词级 JSON 作为主产物；edgespeak-cli segment 重切会丢失说话人标签，需要同时保留标签与新断句长度时应重跑 transcribe --diarize；已知说话人数仅 API/MCP 支持，CLI 无此参数；不支持 --protected-terms 与 --threshold。其它未提及的收费、平台细节暂未提供。