技能介绍

问题：机器转写的稿子不能直接用

录音转文字能很快得到草稿，但离“可用于纪要或访谈整理”还有一段距离。语音识别会犯错：口音、同音字、专业术语、人名职务、数字金额、项目编号都可能被写错；一个数字错了，后续经营分析或访谈洞察就会失真。更大的约束是数据边界——不少录音来自国企、央企或涉密场景，音频不能随便上传到第三方 API。与此同时，交付前还需要人工校对、生成审阅记录，并区分“可自动改”和“必须回听确认”的内容，否则文字稿会在下游纪要里被当成实证来源。

技能如何工作

这个技能把转写、校对和合规约束放进同一条流水线。

定位音频文件：支持 m4a/mp3/wav/aac/flac/ogg/mp4/mov，WhisperX 内部用 ffmpeg 解码。
先跑环境自检：$PY scripts/check_env.py 探测 ffmpeg、whisperx、faster-whisper、说话人分离依赖、以及云兜底所需的 API Key；不假设环境已装好。
按自检结果选分支：本地就绪就走本地；需要说话人分离时加 --diarize，并提供 HF_TOKEN；本地缺依赖时先给安装引导，装好再转；本地装不了且用户显式同意上云，才走 --engine cloud，云端默认不做说话人分离。
正式交付默认纠错：使用 --proofread review，并提供客户代号。脚本从客户隔离 SQLite 读取已批准、非敏感词典，合并进 --hint-words 提升专名准确率；转写后对 txt/srt/vtt/md 做本地确定性纠错，产出原始稿、清洗稿、纠错清单和离线审阅页。
质量闸门：存在待核项时返回退出码 3，文件已生成但不得直接进入正式纪要；退出码 0 才放行下游。