用途：从音频或视频文件生成文字稿或带时间戳的字幕，模型在本机运行。
主要能力：执行捆绑脚本 python3 <skill-dir>/scripts/transcribe.py /path/to/recording.mp4，脚本会先抽取 16kHz 单声道 WAV（因此音频与视频按同一流程处理），再调用已配置的模型，将结果写入暂存区。可选参数：--outdir DIR 指定 WAV 与文字稿的输出目录；--format srt 输出带时间戳字幕，此外还支持 txt（默认）、vtt、json。
使用方式：先检查 ~/.config/transcribe-audio/config.json。若配置缺失，说明本机尚未设置，需阅读 references/setup.md 并完成设置（暂存区、再选模型）后才能转写；不要擅自替用户选择模型，因为合适模型取决于硬件、语言以及用户更看重速度还是准确率，选错会浪费一次大体积下载。配置已存在则直接转写。用户要求更换或升级模型时，同样走 references/setup.md。转写时在前台运行并让其输出持续显示，静默运行会被误认为卡住。
准确率处理：自动转写常在专有名词（人名、产品名、术语）以及有背景音乐或多人插话处出错。是否修正取决于用途：只扫一眼的稿件不必修，会引用、发布或存档的值得过一遍。发现疑点应提示而非静默改写——先通读全文，用项目笔记、术语表、上下文确认专有名词，不要凭自己的知识替换成发音相近的名字；一致错听的术语可建议一次查找替换，能由上下文推断的乱句以提问方式确认，多处无意义且无法还原的片段标记为乱码并保留原文。把疑点列成清单让用户确认。长稿原始输出是一整块文本，可另做一次分段与小结，但不改动原文。
限制：机器未完成配置时无法转写；长文件耗时较长；配置、模型与暂存区位置等细节以本机实际设置及 references/setup.md 为准，其余能力范围资料暂未提供。