核心用法
dlazy-elevenlabs-stt 是 ElevenLabs Scribe v1 模型的 CLI 封装工具，专注于高质量语音转文字服务。核心功能包括：
- 自动语种检测：无需手动指定语言，自动识别音频语种
- 说话人分离（Diarization）：可选开启多说话人识别，区分不同说话者
- 灵活输入支持：支持本地音频文件路径或远程 URL
- 异步任务支持：通过
--no-wait实现后台处理，配合dlazy status轮询结果
基础调用方式：
dlazy elevenlabs-stt --audio_url <音频路径或URL> [--language_code zh|en] [--diarize true]
显著优点
1. ElevenLabs 模型背书：Scribe v1 是业界领先的语音转文字模型，识别准确率高
2. 零配置快速启动：通过 dlazy login 设备码流程自动完成认证，无需手动复制 API key
3. 成本透明可控：支持 --dry-run 预先估算费用，避免意外扣费
4. 管道友好：支持 @N、@stdin 等引用语法，便于集成到复杂工作流
5. 双语文档：提供中英文双语说明，降低使用门槛
潜在缺点与局限性
1. 依赖第三方 SaaS：核心推理完全依赖 dLazy 托管 API（api.dlazy.com），无离线能力
2. 商业服务需付费：虽然 CLI 开源，但实际调用需 dLazy 账户余额，非完全免费
3. 版本锁定风险：skill 中 npm 包版本固定为 1.0.9，可能错过上游修复
4. 数据隐私考量：音频文件需上传至 files.dlazy.com，敏感内容需谨慎评估
5. 错误处理粒度粗：501-504 错误码涵盖多种场景，调试时需人工解读具体原因
适合人群
- 视频创作者：快速生成字幕文件
- 会议记录员：将录音转为结构化文本
- 播客/访谈工作者：需要说话人区分的转录场景
- 开发者：希望通过 CLI 集成语音能力到自动化流程
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 凭证泄露 | API key 存储在 `~/.dlazy/config.json` | 确保文件权限正确（CLI 已自动设置），勿提交至版本控制 |
| 余额耗尽 | `insufficient_balance` 错误中断工作流 | 使用 `--dry-run` 预估成本，设置余额预警 |
| 网络中断 | 完全依赖云端 API | 关键任务预留重试逻辑，考虑本地 STT 备用方案 |
| 数据留存 | 音频上传至第三方存储 | 敏感内容优先使用本地处理方案，或确认服务商数据政策 |