Whispr：基於 Cloudflare Workers AI 的開源語音轉文字與格式化工具
為何重要
此工具展示了無需本地 GPU 硬體，即可透過雲端 Workers AI 串聯語音處理（STT）與大型語言模型（LLM）Formatter 的實際應用案例。對開發者而言，該架構提供了一個具體的開發範本，說明瞭如何利用雲端環境將多模態 AI 能力整合進桌面應用程式的通訊協定中。
Whispr 是一款桌面端開源工具，能透過 Cloudflare 的 Workers AI 消費級免費層執行語音識別與文字重寫，使用者按下熱捷鍵說話後，系統會將經過格式化處理的文字自動貼上剪貼簿。
- 採用
@cf/openai/whisper-large-v3-turbo模型進行語音轉文字，以@cf/qwen/qwen3-30b-a3b-fp8模型進行文字格式化與調整。 - 音訊以 WebSocket 串流傳送 PCM 資料（16kHz、單聲道、16-bit LE 格式），以約 128ms 的 4096 位元組區塊送出，單次錄音上限約 25 MiB（約 13 分鐘）。
- 設定檔案路徑為
~/.config/voicebox/voicebox.toml，在 macOS 上使用時必須授予系統存取許可權以啟用自動貼上功能。