用途：将小宇宙（Xiaoyuzhou）播客单集自动转换为高质量文本归档，覆盖下载、转写、后处理全流程。
主要能力：从小宇宙单集页面提取音频 URL 并下载音频；使用本地部署的 Alibaba FunASR（Paraformer）模型进行中文语音识别；生成三个层级文档：transcript_raw.txt（逐字原始文本）、podcast_full_structured.md（保留全文并优化可读性，含标题与分段）、podcast_optimized.md（精简润色后的摘要与 Show Note）。
使用方式：前置条件为 Python 3.8+、FFmpeg（需加入系统 PATH）、可联网下载音频与模型。第一阶段用 curl 获取页面 HTML 并用 grep 提取音频 URL（常见特征为 https://media.xyzcdn.net/...），下载为 podcast.m4a 或 podcast.mp3，再用 ffmpeg 转为 16kHz 单声道 WAV 并切分为 5 分钟片段：ffmpeg -i podcast.m4a -ar 16000 -ac 1 podcast.wav；mkdir -p chunks；ffmpeg -i podcast.wav -f segment -segment_time 300 -c copy chunks/part%03d.wav。第二阶段创建 Python 虚拟环境并安装 pip install modelscope funasr torch torchaudio，编写 transcribe_chunked.py 脚本，使用模型 iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch、VAD 模型 iic/speech_fsmn_vad_zh-cn-16k-common-pytorch 和标点模型 iic/punc_ct-transformer_zh-cn-common-vocab272727-pytorch，逐块生成 transcript_raw.txt。第三阶段基于原始文本生成结构化全文与优化摘要。第四阶段确认四类产出物创建成功。
适用场景：需要将中文播客单集转为可检索、可阅读文本归档的用户。
限制：需本地部署模型与 FFmpeg，依赖网络下载音频和模型；转写精度受音频质量与模型影响；资料未提供收费、价格或平台支持信息。