音视频转文字 使用方法
- 1
添加录音
拖入 MP3、M4A、WAV、MP4 或 MOV 文件，或切换到“录制音频”，对着麦克风说话。
- 2
开始转写
Base 适合大多数录音；Small 对口音和噪音的处理更好。语言可保持自动检测，也可以手动指定。
- 3
阅读、播放和搜索
播放时跟着高亮的单词阅读，点击单词即可跳转到对应位置，还能搜索人名或话题。
- 4
保存结果
复制文本，或下载 TXT、DOCX、SRT、VTT 或带单词时间的 JSON。
限制与 Pro
每个文件或录音最多 10 分钟音频（更长的文件只转写前 10 分钟），文件最大 500 MB。语音模型只需下载一次：43 MB（Tiny）、80 MB（Base）或 252 MB（Small）。
每个文件最长 600 分钟，文件最大 4 GB。 了解 Pro
关于 音视频转文字
“转写”是一款语音转文字工具，适用于采访、讲座、会议、播客、布道和语音备忘。你可以选择一段录音，或用麦克风现场录制，开源的 Whisper 模型会把说过的话写下来，带标点和大小写，支持 99 种语言。较长的录音会按 30 秒为一个窗口依次处理，所以后面的内容还在处理时，前面的文字就已经出现；窗口边缘被截断的单词，会在下一个窗口中重新识别，不会丢失。
结果以便于阅读的形式呈现，而不是一大段文字：句子会在说话人停顿的地方分成段落，每个段落可以显示起始时间，每个单词都有自己的时间戳。点击播放，正在说的词会高亮显示；点击任意单词，就能听到它所在的上下文。搜索可以在整篇转写内容中查找某个短语，并逐个跳转到每处匹配。
导出涵盖常见的后续用途：纯文本（可带或不带时间戳）用于笔记，Word 文档用于编辑和分享，录音要作为视频发布时可用 SRT 或 VTT，开发者则可以使用包含每个单词起止时间的 JSON。转写结果不会标注说话人是谁，也不是实时字幕工具，要先录音，再转写。
隐私
录音只保留在你的电脑或手机上：文件在本地打开，麦克风音频录制到本页面的内存中，Whisper 在后台线程中运行，不会把音频发送到任何地方。关闭标签页后，录音和转写内容都会消失。只有语音模型会从 Hugging Face 下载一次，并保存在浏览器缓存中。
功能
不会上传任何内容
解码和识别都在当前浏览器标签页中完成，机密通话和采访内容只留在你手里。
支持 99 种语言
自动检测语言，还可以把任何支持的语言翻译成英语。
单词级时间戳
每个单词都有时间标记，点击即可播放，并随播放实时高亮。
用麦克风录音
录下语音备忘、采访或口述内容，马上就能转写。
TXT、Word、SRT、VTT、JSON
导出你需要的格式：文档、字幕，或供自己的工具使用的结构化数据。
搜索转写内容
找出某个名字或短语的每一次出现，并在匹配项之间跳转。