适用于为口播视频生成字幕，控制断句、行长、时序和双语表现，并支持导出常见字幕格式或时间线字幕轨。
Generate spectrograms and feature-panel visualizations from audio with the songsee CLI.
Extract frames or short clips from videos using ffmpeg.
Search GIF providers with CLI/TUI, download results, and extract stills/sheets.
QQBot 富媒体收发能力。使用 <qqmedia> 标签，系统根据文件扩展名自动识别类型（图片/语音/视频/文件）。
Capture frames or clips from RTSP/ONVIF cameras.
Transcribe audio via OpenAI Audio Transcriptions API (Whisper).