Voice to Text Skill

基于火山引擎 BigModel ASR 将语音转为文字。准确率和多语言能力远优于本地 whisper，且速度更快。

核心执行流

1. 收到飞书语音消息（message_type: audio），需要自动识别语音内容
2. 用户给音频要转文字：
   • 先跑 inspect_audio.py
   • 再按时长、大小、URL/本地路径选择 asr_flash.py（极速版）或 asr_standard.py（标准版）
3. 缺 ffmpeg / ffprobe：先执行 ensure_ffmpeg.py --execute
4. 用户问安装、开通、手工配置：按文末 reference map 读取对应文档

强制规则（最高优先级）