transcribe 是一份用 OpenAI API 把录音转成文字的 Skill。你只要文本时走快速转写，需要区分说话人时另选分人模型与结果格式。
归档默认模型是 gpt-4o-mini-transcribe，分人路线则用 gpt-4o-transcribe-diarize 和 diarized_json。已知声音可提供参考，但模型与格式要配套，分人模型不支持提示词，不能任意混用选项。
输入要说明文件、语言和输出位置，多文件结果用独立目录避免覆盖。主文提到较长音频的自动分块，并要求核对文字、分人标签和片段边界；详细接口限制另有参考，本文未核实最新条件或脚本。
使用需要本地配置 API 密钥，录音会交给 API，本文未上传任何文件。得到结构化结果不代表每句姓名和说话人都准确，仍应对照原声，尤其在重叠发言和专有名词处确认。