用途：当直播转录中出现有争议或夸张的数字、专有名词歧义、主播口误，或用户要求用视觉验证屏幕上内容时，使用本方法进行画面级事实核验。核心规则是：屏幕画面与实时聊天反应优先于语音识别文本、主播口误及模型预训练假设，绝不凭语音或记忆猜测。
主要能力：识别需触发校验的信号，例如天文级下载量、观众在聊天中纠正或调侃、东亚计数单位（万、億、พันล้าน）换算混乱、指代不明的代词、用户显式要求使用视觉，以及生成式 AI 内容与夸张吐槽的区分。提供三步核验流程：先在争议时间点前后 ±30 秒检查 LiveChat 是否有纠正，再定向截取 1–2 分钟视频片段，最后用视觉模型读取画面横幅与界面文字并换算规范数值。
使用方式：推荐用附带脚本切片，例如 python3 <skill-dir>/scripts/slice_stream_frame.py "https://www.youtube.com/watch?v=VIDEO_ID" "00:14:45" -o "frames/banner_check.jpg"。也可手动使用 yt-dlp --cookies-from-browser chrome --download-sections "*00:14:15-00:15:15" -f "bestvideo[height<=720]+bestaudio/best[height<=720]" -o "target_slice.mp4" "<URL>" 配合 ffmpeg -ss 00:00:30 -i target_slice.mp4.webm -frames:v 1 -q:v 2 target_frame.jpg -y。向本地视觉模型提问时注入领域先验、强调 HUD 优先于角色皮肤、区分主画面与聊天、要求仅输出合法 JSON，并在应用切换时立即重置话题边界。
适用场景：游戏直播、发布会、活动转播等画面可核验的实时内容转录校正。限制：不适用于背景静态的播客闲聊、与已知新闻转录逐字一致的读稿；需注意 yt-dlp 的 HTTP 403 需浏览器 cookie 认证，且不要下载整段长视频。