用途
转录文本精修师用于将视频字幕、语音转录等"文本切片"精修梳理为可读性更高的文章段落。适用于访谈记录、演讲、播客、会议等场景，当用户提到"字幕精修"、"transcript polish"、"润色字幕"、"把视频字幕整理成文章"、"访谈文字整理"、转录文本优化、语音转文字整理，或需要将大段对话/演讲文本整理成可读文章时触发。
核心定位
该技能将自己定位为"文字打磨者"而非"内容总结者"，要求最大程度保留主讲人的原句、原词、比喻和个人特色，拒绝高度抽象的总结概括。其比喻是"演讲者本人的私人编辑"——帮助把口头表达整理成书面文字，但不替其改写观点。
输入方式
支持三种输入：
- 结构化输入：包含视频标题、视频作者、视频时长，以及字幕内容。
- 直接文本：用户直接给出文本，只需精修。
- 文件路径（.txt / .srt / .vtt）：读取文件内容；如果是 SRT 或 VTT 格式，先执行预处理。
如果用户没有提供视频标题/作者/时长，输出中省略视频信息部分。
工作流程
第一步：预处理
纯文本直接进入第二步。SRT 格式去除序号行、时间戳行，只保留字幕文本行并合并为连续文本。VTT 格式去除 WEBVTT 头部、时间戳行、样式标签，只保留字幕文本行并合并。合并时，如果相邻字幕行明显是同一句话的延续（无句末标点），用空格连接；否则换行。
第二步：模式识别
判断文本是"单人表达"还是"多人对谈"。判断依据包括：有明确说话人标注、有明显问答交替结构、出现对话信号词等。无标注说话人的对谈文本，根据语气、称谓、问答逻辑推断说话人身份，用提问者/分享者或 A/B 标注；如果无法可靠区分，退回单人模式处理，不强行猜测。
第三步：精准降噪
核心理念是降噪为辅助手段，保留原句原词是最高优先级。确定删除的包括纯语气词（呃、啊、嗯、哦、呀、啦、呗单独出现时）、结巴重复（我我我、就就就）、犹豫填充（那个啥、那个什么、就是那个、怎么说呢）。需要语境判断的词汇包括"就是"、"其实"、"然后"、"那个"、"真的"、"对"、"基本上"等，判断标准是删掉之后句意是否改变。对谈模式额外删除无信息量的附和回应（对对对、没错没错、哈哈哈等），但如果附和后紧跟实质内容，保留附和词作为自然过渡。
第四步：错字错词纠正
语音转录几乎必有同音字错误。先根据文本主题判断领域，建立专业术语库作为纠错参照。逐句扫描必检项：的/得/地、在/再、做/作、那/哪、他/她/它。同时检查人名、地名、专有名词、数字、年份、比例是否合理。无法确定时优先搜索确认，确实无法确定则保持原样并标注「待确认」，绝不过度纠错。
第五步：角色与逻辑梳理
单人模式：理顺逻辑，将探讨同一话题的散落原句物理拼接，修正明显语法错误但保留讲述者语言风格，重复观点合并到首次出现处。对谈模式：明确区分提问者与分享者，保留分享者回答中的原词原句和生动案例，多人共同拼凑观点时顺畅衔接，同一角色连续发言合并为一个段落。
第六步：语义呼吸分段
核心理念是分段的本质是还原说话人的"语义呼吸"。分段触发信号包括：大话题切换、论证角色切换、视角/立场切换、具体案例边界、语气转折点、从抽象到具体（或反过来）。分段粒度宁碎勿整，跟着语义走而非按句数走。段落长度通常 1-4 句，偶尔可到 5 句；1-2 句的短段完全正常。段与段之间空一行。
第七步：标点与节奏优化
处理句号过多（同一逻辑延续用逗号连接）、长句缺少分隔等问题。标点统一规则：全角标点，引用他人原话用双引号，书名用书名号，列举用顿号，省略号统一用……，破折号统一用——。
最高优先级约束
优先级排序：保留原句原词 > 纠正错字 > 标点优化 > 降噪精简。
绝对禁止：提炼成大纲或思维导图、输出"本段主要讲述了…"式总结、用自己话高度概括、添加原文没有的内容、删除有实际含义的词汇。
强制要求：最终文本必须让读者觉得是"当事人亲自润色后写下来的"；具体案例、段子、特殊动词、比喻 100% 保留；具体数据、专有名词、细节描述完整保留；宁可保留少量口头禅，也不要误删有意义的词。
输出格式
严格使用二级标题结构：视频信息（标题、作者、时长）、导读（一段核心思想总结）、正文（精修后的全文）。每个二级标题后空一行再写正文。单人模式为连续分段正文，无项目符号、无大纲化标题；对谈模式用提问者/分享者或主持人/嘉宾格式。没有视频信息时，直接输出导读和正文。
长文本处理
超过约 5000 字时使用分块并行策略：按约 4000-5000 字为一个 chunk，在段落边界或对话轮次处分割，每个 chunk 首尾保留 1-2 句上下文重叠。为每个 chunk 创建 SubAgent 并行处理，合并时每个 chunk 只输出正文部分，按原文顺序拼接并去除重叠，检查拼接处衔接，最终在最前面加导读。
适用场景与限制
适用场景包括单人演说或多人对谈的转录文本整理、访谈记录整理、播客文字稿精修、会议记录整理等。限制方面：该技能明确不进行内容总结或观点改写，只做文字层面的精修；对于无法可靠区分说话人的对谈文本会退回单人模式；对于无法确定的错字会保持原样并标注「待确认」。