用途：指导实现 ElevenLabs 语音转文字（STT）能力，核心为 Scribe v1 模型，支持 99 种语言、说话人分离（最多 32 人）、词级时间戳、音频事件检测（如笑声、掌声），并可与 Vercel AI SDK 集成。
主要能力：支持音频格式 AAC、AIFF、OGG、MP3、Opus、WAV、WebM、FLAC、M4A；视频格式 MP4、AVI、Matroska、QuickTime、WMV、FLV、WebM、MPEG、3GPP。限制为单文件最大 3 GB、最长 10 小时，超过 8 分钟的文件会自动分块。语言准确度分档：约 30 种语言 WER ≤5%，19 种 5–10%，30 种 10–25%，19 种 25–50%。
使用方式：技能包含脚本、模板和示例。安装 Vercel AI SDK 依赖：bash scripts/setup-vercel-ai.sh，并用 npm list @ai-sdk/elevenlabs 验证。单文件转写：bash scripts/transcribe-audio.sh path/to/audio.mp3 en；转写前可校验：bash scripts/validate-audio.sh path/to/audio.mp3；批量转写：bash scripts/batch-transcribe.sh path/to/audio/directory en；测试：bash scripts/test-stt.sh。模板位于 templates/，含 stt-config.json、Vercel AI SDK 的 TypeScript/Python 模板、直接 API 模板及 diarization-config.json。示例位于 examples/，含 basic-stt、vercel-ai-stt、diarization、multi-language、webhook-integration。
配置项（Vercel AI SDK）：languageCode、tagAudioEvents（默认 true）、numSpeakers（1–32，默认自动检测）、diarize（默认 true）、timestampsGranularity（none/word/character，默认 word）、fileFormat（pcm_s16le_16 或 other）。
适用场景：单说话人转写、多说话人访谈/会议/播客、多语言内容、视频字幕、长文件异步 webhook 处理；也可与 tts-integration、voice-cloning、dubbing 等技能组合。
限制与注意：文件大小和时长有上限；语言检测问题可显式指定 languageCode；说话人分离需正确设置 numSpeakers 并确保音频有清晰说话人区分。技能位置 plugins/elevenlabs/skills/stt-integration/，版本 1.0.0，最后更新 2025-10-29。收费、价格等信息暂未提供。