語音辨識 gpt-4o-transcribe 採用 OpenAI 新一代雲端語音辨識模型，是 Whisper 系列的後繼版本，相較於早期的 whisper-1 endpoint，在嘈雜環境，多語言切換，專有名詞與口音辨識方面皆有顯著提升，並能更精準保留語句結構與標點符號，產出可讀性更高的逐字稿。使用方式很簡單，直接上傳音訊或影片檔即可，系統會自動將音檔切成 59 秒一段送進 OpenAI 雲端推論，再把結果合併輸出，避免單次過長造成的不穩定。輸出同時提供純文字逐字稿與 SRT 字幕兩種格式，SRT 可直接匯入 Premiere，DaVinci Resolve，YouTube，Vimeo 等剪輯或上架平台當作字幕，逐字稿則可串接摘要，翻譯，會議紀錄整理等模組做二次加工。支援 mp3，wav，m4a，ogg，mp4，mov，webm 等常見格式，無需事前轉檔。本模組適合用在會議錄音整理，採訪聽打，Podcast 逐字稿，線上課程錄影轉文字，社群影片字幕等情境，特別是對辨識品質要求較高的場景。