把語音轉成文字的兩種方式
這個工具的作用
Speech to Text 提供兩套彼此獨立、目標相同的引擎。即時模式使用現代瀏覽器內建的 Web Speech API（SpeechRecognition 介面），在你說話的同時把文字寫到頁面上：先顯示暫定文字，停頓後再變成確定的一行。音訊檔案模式則把 Whisper AI 模型載入你的瀏覽器，直接把你手邊的錄音轉成文字，完全不需要聆聽麥克風。
何時使用哪種模式
即時聽寫適合在不動手的情況下記下想法：會議筆記、快速草稿，或是寧可用說的備忘。文字即時出現，能在短時間的現場作業中維持節奏。
音訊檔案模式則更適合已經錄好的素材，例如訪談、課程、語音備忘，或影片的音軌。Whisper 模型下載過一次後，瀏覽器會保留它，之後的作業不必再次下載，適合長錄音和多個檔案。
快速操作流程
要現場使用時，從清單挑選語言，按下「開始錄音」，瀏覽器詢問時允許使用麥克風；你的聲音會填入轉錄文字，之後也能修改。要處理錄音時，切換到「音訊檔案」，選擇模型——追求速度用 Tiny，追求多語準確度用 Small——再放入 MP3、WAV、MP4 之類的檔案。首次使用時，按下「轉錄」之前會顯示模型要下載的大小；處理完成後，文字就能複製或下載。
支援情況與注意事項
即時辨識取決於瀏覽器：Chrome、Edge、Safari 都實作 Web Speech API，Firefox 則沒有，因此在 Firefox 建議改用「音訊檔案」模式。較新的 Chrome 可以在裝置上安裝語言模型，把麥克風音訊留在本機；否則辨識會交給瀏覽器廠商的語音服務。兩種模式共用一份清單，共 22 個選項、涵蓋 18 種語言（英文、西班牙文、葡萄牙文與中文各有兩種地區變體），請在開始前選好你說的語言：音訊檔案模式會使用你的選擇，而不是自動偵測語言，也不區分地區。音訊檔案模式支援常見的音訊與影片格式，上限 500MB；若是影片，先把音訊抽出來會讓處理更快、結果更好。