gtrk-transcript

1# gtrk 视频/音频转文字稿
2 
3飞书使用教程统一入口：[gtrk CLI 使用教程](https://hocassian.feishu.cn/wiki/HCFpwoF7SivIFbkKosgcFMcEnxk)。
4 
5本 Skill 驱动一级命令 `gtrk transcript`，最终只交付一个 Markdown：总结、带 `[00:01:23]` 时间戳的可读文字记录、完整纯文本。
6 
7## 音频输入与 transcript.json（自备配音时码化兜底）
8 
9- 输入白名单已放开音频：wav/mp3/flac/m4a/aac/ogg 等本地音频文件可直接转写（音频无「抽音频」步——已是音频，仍本地转 16k 单声道后只传转码衍生物，原文件不动）。
10- `--json` 除机读 stdout 外**另产 `<名>-transcript.json`**（`utterances[]{id,text,st,ed}` + `material_id` + `text_hash` + `duration`，结构与 `gtrk split` 消费契约逐字段对齐）；结果 JSON 的 `transcriptJson` 字段给出路径，可直接被 `gtrk project init --audio <配音> --transcript <该文件>` 兜底路消费。
11- **定位注记（MUST 遵守）：TTS 主路勿走本零件**——`gtrk tool audio_tts_clone` 产的配音自带句级 segments（时码直出、零成本零误差），建工程直接 `gtrk project init --tts-task <task_id>`；对 TTS 产物再跑一遍 ASR 转写=重复计费零收益。本零件只服务**自备配音**（用户自录旁白等无时码音频）场景。
12 
13## 硬边界
14 
15> **产物落点纪律（MUST · 全文见随包 `AGENT.md` 同名一节）**：唯一 Markdown 产物写入 CLI 返回的 `output` 路径（缺省=源文件同目录）或用户指定的 `--out`；引用媒体用原路径，不复制到 agent 工作目录；临时文件放系统 temp，用完即删。
16> 交付物 MUST NOT 先写 agent 自有目录再拷进工程；中转本身即违规，体积不是豁免理由。
17 
18- 只接收用户电脑上已存在的视频/音频文件；遇到 URL、平台视频 ID 或“帮我下载后转写”时，要求用户先提供本地文件，不代为抓取。
19- CLI 在本地抽取/转码 16 kHz 单声道音频，只上传音频衍生物；原视频/原音频文件不得上传。
20- 最终只保留 CLI 返回的产物：一个 Markdown（`--json` 时另有 CLI 自产的 `<名>-transcript.json`），不另建总结、字幕、TXT 或 HTML 文件。
21- 没有可靠的说话人分离数据时，不得编造“说话人 1/2”等标签。
22- 价格必须以本次 CLI 从官网价格表得到的实时提示为准，不写死金额、不凭记忆报价。
23 
24## 工作流
25 
261. 确认用户给的是本地视频路径；需要时再接受输出文件路径或识别语言。
27 
282. **先判用途，再决定带不带 `--json`。这一步 MUST NOT 跳过，也 MUST NOT 无脑恒带。**
29 
30   `--json` 不是单纯的输出格式开关，**它决定服务端用哪个引擎**：
31 
32   | 用途 | 命令 | 落腿 |
33   |---|---|---|
34…