docs: add the video-note transcription path

The Chinese video-clip spec now includes a short implementation path: the hidden marker, the transcript job, the desktop download, and writing the result back into the same note.

docs/video-clip-spec.zh-CN.md

@@ -46,3 +46,15 @@
 设置里可以选下载时用哪个浏览器的登录状态，网页和桌面都能看到。默认是 Chrome，也可以改成其他浏览器，或改成不使用。真正记住这个选择的是桌面端，选择只留在这台电脑上，不会上传。网页上改一项只用来查看界面。同一页也显示本机下载工具的版本和路径；浏览器里没有这个工具时，版本显示尚未下载。
 
 接口要兼容 OpenAI 的语音转写：用 Bearer Token，提交音频文件和模型 ID。聊天模型的地址不能填在这里。
+
+## 技术路径
+
+插件把这一集的身份写成笔记正文里的隐藏标记，随笔记同步，不另建字段。标记含平台、视频编号、地址、时长，以及没有字幕时的那句占位。保存只写笔记，不创建识别任务，音频也不上传。
+
+列表读到有效标记，右键才有「提取字幕」。已登录用户向实例登记一笔任务，并记下当时的正文校验。剪藏令牌和演示实例不能登记。任务已在进行时返回进行中，不重复下载。
+
+桌面端用条件更新领取，同一笔只有一处在做。停在识别中约 20 分钟仍未完成的可以再领。领取后在本机用 yt-dlp 取音频，默认复用这台电脑上 Chrome 的登录状态；选哪个浏览器只存在本机，不上传。已知长于约 30 分钟，或音频过大，则失败且不下载。
+
+接着向实例领取当前默认且已启用的一套语音凭据。设置页读不回 Token。桌面进程把音频直接发到该地址下的 `/audio/transcriptions`，使用 Bearer 和音频文件。音频不经过笔记服务器，也不交给本机 Agent。目前只走 OpenAI 兼容转写，其他标准先失败，不调用接口。
+
+结果仍写回同一条笔记。正文校验未变、且仍有那句占位时，用字幕实录替换它；占位已不在时，实录接在后面。用户改过正文则整次失败，不写入。失败只结束任务，笔记留着，不弹窗。