用途：将音频转写为文本，支持生成字幕（SRT、VTT）、提取音频中的语音内容、把语音备忘或访谈转为文字。
主要能力：调用 OpenAI Whisper API 的转写接口，接受 multipart/form-data 上传音频；可通过 language 参数指定 ISO-639-1 语言码提升准确率，prompt 引导转写风格或延续上段，temperature 控制随机性，response_format 选择输出格式（json、verbose_json、text、srt、vtt）。verbose_json 含时间戳、分段与时长，便于与视频同步。
使用方式：需先按系统提示配置 Rebyte 鉴权，$AUTH_TOKEN 作为 Bearer token、$API_URL 作为基础地址。核心请求示例：curl -s -X POST "$API_URL/api/data/stt/transcribe" -H "Authorization: Bearer $AUTH_TOKEN" -F "file=@recording.mp3" -F "model=whisper-1" -F "language=en" -F "response_format=json"。返回 JSON 中 .data.text 为转写文本。生成字幕后可用 ffmpeg 压制：ffmpeg -i video.mp4 -vf subtitles=subtitles.srt output.mp4。
适用场景：音频转文字、字幕/说明文字制作、语音转文本、访谈与语音备忘整理。
限制：支持 mp3、mp4、mpeg、mpga、m4a、wav、webm、ogg、flac，最大文件 25 MB；model 目前仅 whisper-1；长音频建议先用 ffmpeg 分段（如 -segment_time 300）。定价、并发限制等暂未提供。