audio-transcription 是通过 PostPlus 把音频转成可保存文字的 Skill。它接收本地或远程音频及实际时长，记录异步任务状态，按需请求时间信息。
做字幕前要有带时间的结果，只有纯文本还不能说明每句应出现在哪一秒。源文件、请求和结果记录分开保存，后续才知道文字来自哪段录音。
提交得到任务编号不等于转录完成，待处理就报告等待，失败保留真实错误；生成字幕文件还有独立打包步骤。语音识别也可能错人名、数字和重叠说话，需要对音频校对。本文没有上传音频或调用收费服务，具体模型费用以实际确认信息为准。