用途：面向口播类视频，先转录再定位需要删除的片段（口误、微口误、语气词、静音），生成审查稿供用户确认，之后再执行剪辑。
主要能力：用 FunASR 以 30 秒分段转录并带字符级时间戳，避免长视频时间戳漂移；逐句检查识别口误；用 VAD 检测小于 0.5 秒的微口误；扫描“嗯/哎/诶”等语气词；识别不少于 1 秒的静音。口误分为重复型（如“拉满新拉满”只删差异）、替换型（删第一个完整版本）、卡顿型（删第一个重复字）。输出转录 JSON 与审查稿 Markdown 文件，并给出带精确 (start-end) 时间戳的删除任务清单，剪辑阶段直接按时间戳执行，不再搜索文本。
使用方式：触发词为“剪口播、处理视频、识别口误”。典型说法如“帮我剪这个口播视频”“处理一下这个视频”。流程为先读 tips/转录最佳实践.md 再调用 ASR，先读 tips/口误识别方法论.md 再逐句分析；生成审查稿后写入并展示，等待用户确认删除项，确认后执行 /videocut:剪辑。删除格式示例：口误 (start-end) 删“错误文本”保留“正确文本”；语气词 (前字end-后字start) 删“嗯”加上下文；静音 (start-end) 静音 Xs。
限制与注意：必须先读方法论再执行；对“删前面保后面”的口误需逐 token 查时间戳；若口误时间跨度超过 2 秒，通常含静音需拆分。官方资料未提供收费、平台、模型版本与效果数据。