它基于OpenAI Whisper模型，在浏览器本地完成高精度语音识别，并提供“字幕即剪辑”的可视化操作体验，可大幅缩短长视频后期制作周期。

支持基于文本的语音编辑、语音克隆和文本到语音转换，确保语音内容的一致性和自然性。