拖入錄音，取得文字稿。模型從本站下載一次後即在您的裝置上執行，音訊絕不會被上傳。
語音轉文字工具使用 Whisper 這套語音辨識模型，把錄音轉成文字，整個過程透過 Transformers.js，完全在你的瀏覽器分頁中執行。第一次執行時，瀏覽器會從本站下載模型和它需要的 WebAssembly 引擎（總共約 68 MB），然後快取起來；之後每一次轉錄，都在你的裝置上完成，不需要任何伺服器，音訊也絕不會離開你的機器。這和本站的 OCR 與其他音訊工具是同樣的取捨：真正的一次性下載，換來真正的離線處理，而不只是行銷說詞。
這裡用的模型是 whisper-tiny.en：Whisper 家族裡最小、經過量化、僅支援英語的版本。它的速度足以在瀏覽器分頁中執行，也能產出堪用的初稿，但它不是專業的轉錄服務。請預期在專有名詞、專業詞彙、濃重口音、背景噪音和多人交疊發言時會出現錯誤。長度超過大約 30 秒的錄音，會被切成互有重疊的區塊分別處理，確保整份檔案都被轉錄，但一小時的訪談仍然需要真實的運算時間，因為一切都在你自己的裝置上執行，而不是在資料中心的伺服器上。
這很大程度取決於音訊品質。清晰、單一講者、靠近麥克風錄製、背景噪音少的英語錄音，轉錄效果相當不錯。口音、多人交談、背景音樂或噪音，以及專業詞彙（人名、術語、縮寫）都會增加錯誤。這是為了能在瀏覽器分頁中執行而選用的小型量化模型，不是 Whisper 系列中最大的模型，所以請把輸出當成值得檢查、修正的實用草稿，而不是最終文字稿。
不支援。這個工具使用的是 whisper-tiny.en，也就是僅支援英語的 Whisper 版本，之所以選它，是因為它體積更小，而且在英語上的準確度比多語言版的 tiny 模型更好。其他語言的音訊會產生品質很差、甚至沒有意義的結果。目前還不支援其他語言。
語音辨識模型和執行它所需的 WebAssembly 引擎（合計約 68 MB），並沒有內建在頁面裡；它們會從本站下載一次，並由瀏覽器快取起來，做法和 OCR 工具下載語言模型類似。第一次下載完成之後，轉錄就會完全離線執行。不會從任何第三方 CDN 抓取任何內容。
不會。錄音的解碼與處理，完全在你的瀏覽器分頁中，透過 Web Audio API 和本機的 Whisper 模型完成。音訊檔案和轉錄出的文字，都絕不會被送到伺服器。模型下載完成後，即使中斷網路連線，轉錄依然能正常運作。
這取決於你裝置的 CPU 效能和錄音長度，因為一切都在本機執行，而不是在伺服器硬體上。短片段（一分鐘以內）通常幾秒鐘到不到一分鐘就能完成。較長的錄音，例如一小時的訪談，處理時間會相應拉長，並讓瀏覽器分頁在這段時間內持續忙碌；請保持分頁開啟，處理期間不要切換到其他頁面。
.txt 檔是不含時間戳記的純轉錄文字，適合閱讀或貼到其他地方使用。.srt 檔是標準字幕格式，每一段語音都附有對應的時間戳記範圍，適合為影片加上字幕。兩者都是從同一次轉錄結果產生的，依你接下來要做的事選擇合適的格式即可。