語音辨識 gpt_transcribe 使用 OpenAI 新一代 gpt-transcribe 模型，是 whisper-1 與 gpt-4o-transcribe 之後的最新語音辨識世代，在嘈雜環境、多語言切換、專有名詞與口音辨識的正確率進一步提升，句構與標點保留完整，產出可讀性高的逐字稿。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段送進雲端推論，再把結果合併輸出。支援 mp3、wav、m4a、ogg、mp4、mov、webm 等常見格式，無需事前轉檔。適合會議錄音整理、採訪聽打、Podcast 逐字稿、線上課程錄影轉文字等情境。本模組輸出純文字逐字稿，不支援 SRT 字幕；需要 SRT 字幕請改用「語音辨識」，需要分辨多位說話者請改用「多語者語音辨識」，想邊說邊即時顯示請改用「即時語音辨識 gpt_live_transcribe」。 單次上傳總大小上限：256MB（全部檔案與訊息內容合計）。 輸出內容格式：文字 不支援連續對話。