用途：把本地音频或公网 URL 音频转写为文字，可用于语音消息识别、字幕生成、会议转录、摘要与重点提取等场景。
主要能力：基于腾讯云 ASR，提供三种模式——一句话识别（不超过 60 秒短音频）、录音识别极速版（约 2 小时/100MB 内中长音频快速同步返回）、录音识别（约 5 小时长音频异步识别）。支持普通话、粤语、英语、日语、韩语及多语种引擎，另有中英混说引擎。
使用方式：先探测再识别。统一先执行 python3 <SKILL_DIR>/scripts/inspect_audio.py "<AUDIO_INPUT>"，再按时长、大小、本地路径或 URL 选择脚本。常用命令：python3 <SKILL_DIR>/scripts/self_check.py 做凭证自检；python3 <SKILL_DIR>/scripts/sentence_recognize.py "<AUDIO_INPUT>" --engine 16k_zh；python3 <SKILL_DIR>/scripts/flash_recognize.py "<AUDIO_INPUT>" --engine 16k_zh；python3 <SKILL_DIR>/scripts/file_recognize.py rec "<AUDIO_INPUT_OR_URL>" --engine 16k_zh；python3 <SKILL_DIR>/scripts/cli_transcribe.py "<MEDIA_PATH_OR_URL>" 作为 CLI transcription backend。
路由与限制：本地文件建议规范化为 16kHz、单声道、pcm_s16le、.wav；60 秒/3MB 内用一句话识别，2 小时/100MB 内优先极速版，更大文件优先切片走极速版。公网 URL 默认直接走录音文件识别 rec，不先下载转码，仅在失败后再进入本地处理链。脚本失败必须返回错误，不得用模型自身能力替代 ASR 猜测内容。密钥安全优先，群聊禁止发送 SecretId、SecretKey、AppId，私聊也需提示密钥会经过 LLM 存在泄漏风险，单次任务优先当前命令注入，不写入工作区或 shell 配置。极速版失败且其他模式通过时，可提示常见于国际站账号或国内站账号海外访问受限，但不作绝对结论。引擎选择可按音频语种调整；一句话识别无多语自动识别引擎。缺少 ffmpeg/ffprobe 时先执行 python3 <SKILL_DIR>/scripts/ensure_ffmpeg.py --execute，失败后再求助。具体参数、错误码与接入细节见对应参考文档。