用途：把音频或视频内容转换为文本。对 YouTube 链接，通过 yt-dlp 抓取字幕，优先级为手动字幕、自动生成字幕，最后回退到 Whisper；对本地音频/视频文件，使用 OpenAI Whisper 进行转写。
使用方式：根据输入类型路由。若为 YouTube URL，读取 references/youtube-transcript.md 并按其工作流执行；若为音频/视频文件，读取 references/whisper-transcription.md 并按其工作流执行。
限制与注意事项：进行大体积下载（音频文件、Whisper 模型）前必须先询问用户；完成后清理临时文件。具体安装命令、依赖版本、支持格式与平台等细节资料未提供。