用途：将音频录音转写为文本，适合会议记录、播客、访谈、音频笔记，以及为视频生成字幕或可搜索文本。
主要能力：支持 Groq Whisper（默认）与 OpenAI Whisper 两种提供方；输出 text、json、srt、vtt、tsv、csv、word_timings 等格式；提供词级时间戳（约 50ms 精度）；超过 25MB 的文件自动转为 MP3（16kHz、单声道）并按 10 分钟分段并行转写，再合并并校正时间戳；支持最长 2 小时音频；内置 24 小时缓存与每分钟 60 次请求的限流保护。
使用方式：先获取 Groq API Key 并设置环境变量 export GROQ_API_KEY="gsk_your_api_key_here"，安装 FFmpeg（macOS 用 brew install ffmpeg，Ubuntu/Debian 用 sudo apt install ffmpeg）。基本命令为 {baseDir}/transcribe.js audio.m4a，可用 --format 指定格式、--output 指定输出文件、--language 指定语言、--provider 选择提供方、--no-cache 强制重新转写。
适用场景：会议与访谈转写、字幕制作、音频内容检索、按时间定位关键词。
限制：不适用于 YouTube 视频转写（建议用 youtube-transcript）、实时转写或已有字幕的场景；单次直接上传上限 25MB，音频总时长上限 2 小时；需要 API Key 与 FFmpeg；具体费用与免费额度以官方为准，资料中未提供完整定价细节。