EdgeSpeak Transcribe 用于在本机把音频或视频转写为文本，音频不上传云端。底层调用 edgespeak-cli transcribe：桌面应用运行时走本地网关（OpenAI 兼容，127.0.0.1:1117）复用已加载模型（代理模式）；应用未运行时 CLI 自行启动内置引擎（独立模式，属正常模式）。
主要能力：输出 stdout 文本、.txt、.json 或 .srt；可选词级时间戳（json）、句子长度调优（--min-chars、--max-chars）、字幕前后留白（--start-margin、--end-margin，单位秒，当前范围 0.0-5.0）、指定本地模型（--model）、指定语言（--language），以及说话人分离（--diarize，仅 JSON，输出 diarized_json 结构，标签为 speaker_N，无法识别时为 null；重分段会丢失说话人标签）。
使用前先运行 edgespeak-cli status 检查运行时。命令未安装需由用户自行按 https://edgespeak.com/docs/cli#install 安装；未激活可 edgespeak-cli login 或 edgespeak-cli activate <KEY>，也可 edgespeak-cli trial 开启 7 天匿名试用。非交互运行遇到未激活会以 license_required 快速失败。远程 ASR 后端不支持文件转写，需切换本地引擎。
基本用法：edgespeak-cli transcribe <音频或视频文件> [-o 输出文件] [--format txt|json|srt] [其他选项]。不带 -o 时打印到 stdout；-o 扩展名决定格式；CLI 会直接覆盖已存在的 -o 目标，需先确认。需要词级时间戳时建议用 -o out.json 作为主产物。
限制：转写是昂贵的推理步骤，同一媒体更改格式或重新调参不应重跑，可用 edgespeak-cli segment --transcript out.json --max-chars <N> 重分段（但不保留说话人标签）。transcribe 不提供 --protected-terms 与 --threshold，需分别改用 edgespeak-align、edgespeak-segment。仅要说话人时间线时没有 CLI 子命令，需调用本地网关端点。CLI 无法固定说话人数量，需用 MCP 工具 edgespeak_diarize_file 或网关接口。具体收费与价格资料未提供。