Speech-to-Text

AI 模型

完全離線轉錄音訊，零 API 費用

• 下載模型後完全離線執行
• 支援 SRT、VTT、JSON 和文字輸出
• 將任意語言翻譯為英文

你可以做什麼

• 本地轉錄 - 完全離線將語音轉換為文字，無需 API 金鑰
• 多種模型大小 - tiny（最快）→ base → small → medium → large（最準確）
• 輸出格式 - 純文字、SRT 字幕、VTT 字幕或帶時間戳記的 JSON
• 翻譯模式 - 將任何語言的音訊直接翻譯為英文文字
• 廣泛格式支援 - WAV、MP3、M4A、FLAC、OGG 等更多格式
• 自動模型快取 - 首次使用時下載模型，之後完全離線

試著這樣問

• 「使用 medium 模型轉錄這個 podcast.mp3」
• 「將這個訪談轉換為 SRT 字幕」
• 「轉錄我的語音備忘錄並翻譯為中文」
• 「為這個影片的音訊軌道生成 VTT 字幕」
• 「為這個重要的講座錄音使用 large 模型」
• 「取得帶詞級時間戳記的 JSON 輸出」

專業技巧

• tiny = 快速但粗糙，small = 良好平衡，medium = 專業品質，large = 最高精度
• 首次執行下載模型（40MB–3GB 取決於大小），之後完全離線
• SRT/VTT 格式包含用於字幕同步的時間戳記
• 翻譯模式無論輸入語言如何都輸出英文
• JSON 輸出包含片段級和詞級時序資料
• 初始模型下載後完全離線運作--非常適合隱私保護

Plans

更多AI 模型技能

• Oracle - 打包檔案和提示詞查詢任意 AI 模型
• Gemini - 向 Google Gemini 模型發送快速單次查詢
• Model Usage - 追蹤 AI 模型費用和 Token 用量趨勢
• Whisper API - 透過 OpenAI Whisper API 進行快速雲端轉錄
• Things 3 - Mac 版 Things 3 完整任務管理
• Discord - 在 Discord 傳送訊息、投票和表情回應

Explore: Integrations · Glossary · Solutions · Use cases · Examples · Comparisons · Templates · Blog · Docs