使用 faster-whisper 实现本地语音转文字，速度比 OpenAI Whisper 快 4 至 6 倍，准确率相同；GPU 加速可实现约 20 倍实时转录。支持 SRT/VTT/TTML/CSV 字幕、说话人分离、URL/YouTube 输入、批量处理带预计完成时间、字幕搜索、章节检测、按文件语言映射

使用Venice AI基于Whisper的语音识别技术将音频转录为文本，支持WAV、MP3、FLAC、M4A、AAC格式，并可选带时间戳

使用 OpenAI Whisper 或 ElevenLabs Scribe API 将音频转录为带时间戳的歌词，输出格式为 LRC、SRT 或 JSON，包含词级时间戳。适用于用户需要转录歌曲、生成 LRC 文件或从音频中提取带时间戳的歌词的场景。

音频输入、分析、转换与生成（语音识别、语音合成、静音检测、特征提取）

使用智谱AI（BigModel）GLM-ASR模型进行自动语音识别（ASR），适用于将音频文件转录为文本，支持中文音频转录，具备上下文提示、自定义热词及多种音频格式支持

通过 OpenAI 音频转录 API（Whisper）转录音频

纯阿里云语音识别技能，用于语音消息转录，支持飞书等多个渠道

使用 ElevenLabs AI 实现文本转语音和语音转文本功能，适用于用户需要将文本转换为语音、转录语音消息或以多种语言处理语音的场景，支持高质量的 AI 语音和精准的转录。