用途：该技能使用 faster-whisper 在本地完成语音转文字，适合在不上传音频的前提下进行高性能转录，并支持 NVIDIA GPU 加速。
主要能力：提供词级时间戳、JSON 输出、VAD 静音去除，以及多种模型选择。默认模型为 distil-large-v3，兼顾速度与准确率；large-v3-turbo 推荐用于多语言或追求最高准确率的任务；medium.en、small.en 为更快的纯英文模型。
使用方式：先运行 ./setup.sh 创建虚拟环境并安装依赖，脚本会自动检测 NVIDIA GPU 以启用 CUDA 加速。环境要求 Python 3.10 或更高版本，以及系统已安装 ffmpeg。
基础转录：./scripts/transcribe audio.mp3 指定模型：./scripts/transcribe audio.mp3 --model large-v3-turbo 词级时间戳：./scripts/transcribe audio.mp3 --word-timestamps JSON 输出：./scripts/transcribe audio.mp3 --json VAD 静音去除：./scripts/transcribe audio.mp3 --vad
适用场景：本地音频转写、需要词级时间戳的字幕或文本处理、希望利用 GPU 提升速度的转录任务。
限制与排查：未检测到 GPU 需确认 NVIDIA 驱动与 CUDA 已正确安装，CPU 转录会明显更慢；出现 OOM 错误时可改用更小模型（如 small 或 base）或使用 --compute-type int8。其他收费、价格、平台与效果信息暂未提供。
分类：属于通用与其它工具范畴，因其为本地语音转文字能力，不专属于现有细分场景。