用途：该技能面向语音转文字（STT）系统实现，核心基于 Faster Whisper，强调本地处理、隐私优先与实时性能，典型场景包括语音命令识别、低延迟实时转录、离线语音识别和多语言无障碍支持。
主要能力：Faster Whisper 部署与优化；音频预处理与降噪；实时流式转录；隐私保护型语音处理；多语言与口音处理。模型可选 tiny、base、small、medium、large-v3，按硬件与精度需求权衡速度与准确率。
使用方式：依赖 faster-whisper>=1.0.0、numpy、soundfile、webrtcvad、pydub、structlog 等库。采用 TDD 流程：先写失败测试（准确率、延迟、内存），再最小实现，最后补充校验、安全与清理逻辑。验证命令：pytest tests/test_stt_engine.py -v --tb=short；覆盖率 pytest tests/test_stt_engine.py --cov=jarvis.stt --cov-report=term-missing。
性能模式：流式分块转录降低延迟；VAD 过滤静音减少计算；模型量化（CPU 用 int8、GPU 用 float16）；批量并行处理提升吞吐；环形缓冲区控制内存。
限制与安全要求：风险等级为 MEDIUM，音频含敏感对话与声纹 PII。必须本地处理、转录后立即删除音频、临时目录权限 0o700、不记录转录内容、过滤 PII、校验文件大小（如 50MB 上限）与格式（wav/mp3/flac/ogg/m4a）。具体收费、平台支持与效果数据暂未提供。