WhisperUI

支援上傳 MP3、MP4、WAV、M4A、OGG、WEBM 等多種常見音訊與影片檔案格式進行轉錄。

基於 OpenAI 的 Whisper 模型，此模型在大量多語言資料上訓練，在英語等語言的識別上具有較高的準確性，並能處理多種口音和背景噪音。實際效果可能因音頻品質、語言與口音而異。

在使用其桌面應用程式的本地處理模式時，音頻資料在使用者裝置上完成處理，不會上傳至外部伺服器。線上服務模式下，使用者需自行管理 OpenAI API 金鑰的使用。

適用於視訊內容創作者、內容製作人員、研究人員、學生、開發者以及任何需要頻繁進行語音轉錄、字幕生成或語音合成的個人或團隊。

基於 OpenAI TTS 模型，提供多種不同的語音風格（如 Alloy、Echo）與兩種模型選項（TTS-1 及 TTS-1-HD），輸出格式支援 MP3、AAC、FLAC。