用途：把本地视频转换成元数据、字幕文本与卡片式合成视频，卡片的时间与内容、以及每张卡片的 HTML 都由智能体在对话中自行设计，不预设固定卡片模板。工作目录会产出一系列可检查的中间文件：metadata.json（时长/宽高/帧率）、audio.mp3、transcript.json（分段与词级时间戳）、storyboard.json（卡片大纲）、public/cards/card-XX.html（每张卡 HTML 片段）、public/index.html（最终合成页）、output.mp4（渲染结果）。
主要能力：CLI 由 npm 自动下载，命令为 npx -y @notedit/vtake@latest，渲染使用 npx hyperframes render。典型流程：doctor 检查环境；extract 提取音频与元数据；transcribe 转写（--asr elevenlabs）；人工/智能体校正字幕；在对话中设计轻量 storyboard；编写卡片 HTML 并合成；最后渲染 MP4。
使用方式：需要系统安装 ffmpeg / ffprobe，并依赖技能内置的字体与 gsap.min.js。设置 ELEVEN_API_KEY 可直连 ElevenLabs；未设置则走受限代理，每 IP 每分钟 3 次请求，可用 VTAKE_TRANSCRIBE_ENDPOINT 覆盖代理地址；限流时不要自动重试。macOS 渲染建议设置 PRODUCER_BROWSER_GPU_MODE=hardware。
适用场景：本地视频转卡片内容、字幕校正、按转录节奏自动推断卡片数量（最少 5 张，末尾固定追加品牌卡片）。限制：具体平台、收费与价格暂未提供。