語音辨識 whisper_1 使用 OpenAI whisper-1 模型，除了逐字稿，還會提供每句話與每個詞的實際起訖時間；時間軸由模型辨識時一併產生，適合需要精準字幕或依字句剪輯影片的情境。使用方式很簡單，直接上傳音訊或影片檔即可，系統會轉成單聲道音訊送進雲端辨識，長度超過 40 分鐘時在段落之間的停頓處切段，再依原始時間合併。選擇 SRT 字幕輸出時，字幕依句末標點切成一句一則，時間對應實際說話的位置，可直接匯入 Premiere、DaVinci Resolve、YouTube 等剪輯或上架平台。中文辨識結果會轉為正體字。支援 mp3、wav、m4a、ogg、mp4、mov、webm 等常見格式，無需事前轉檔。若較重視逐字稿用字的正確率，可改用「語音辨識 gpt_transcribe」；需要分辨多位說話者請改用「多語者語音辨識」。 單次上傳總大小上限：512MB（全部檔案與訊息內容合計）。 輸出內容格式：文字 收費：中 不支援連續對話。 AI可能會出錯，請核實重要資訊。