用途：通过 inference.sh 命令行工具（belt）把音频转写为文本，支持多模型选择。
主要能力：ElevenLabs Scribe v2（elevenlabs/stt）主打 98%+ 准确率、说话人分离与 90+ 语言；Fast Whisper V3（infsh/fast-whisper-large-v3）适合快速转写；Whisper V3 Large（infsh/whisper-v3-large）追求最高准确率。Whisper 支持 99+ 语言，含中文、英语、日语、韩语等。输出 JSON，包含 text（完整转写）、segments（请求时的时间戳分段）、language（检测到的语言）。
使用方式：先安装技能 npx skills add belt-sh/cli，再执行 belt login 登录。基本转写：belt app run infsh/fast-whisper-large-v3 --input '{"audio_url": "https://audio.mp3"}'。需要时间戳时可用 belt app sample infsh/fast-whisper-large-v3 --save input.json 生成输入模板，加入 "timestamps": true 后运行。翻译为英文可加 "task": "translate"。处理视频需先用 infsh/video-audio-extractor 提取音频，再转写；也可结合 infsh/caption-videos 生成字幕。
适用场景：会议记录、播客转写、视频字幕、语音笔记、访谈研究、无障碍内容。
限制：依赖 inference.sh CLI 与账号登录；具体计费、价格、平台支持与准确率细节资料未提供。