音频转文字工具

把一段录音，或视频里的声音，转成可编辑的文字稿，以及 SRT 或 VTT 字幕。语音识别在你的设备上运行，文件不会被上传。

录音往往是访谈、通话和会议。音频在这台设备上解码和识别，绝不会上传；只有模型本身会下载一次。

用字幕转换工具把字幕转成其他格式

关于 音频转文字

音频转文字能把一段录音，或视频的音轨，变成可以编辑的文字和可以直接使用的字幕。语音识别在你的设备上、于一个后台线程中运行：文件先被解码，再加载模型，结果以带时间的片段形式返回。工具据此生成带搜索功能的可编辑文字稿、带时间戳的段落和 JSON，并在你设定的每行字符数、行数和屏幕停留秒数的限制内，于句末切分出字幕条目。你可以修改任何一条字幕的措辞，把所有时间整体前移或后移零点几秒，并下载 SRT 或 WebVTT。模型只会下载一次，由浏览器缓存；录音本身绝不会离开你的电脑。

功能特性

• 可读取音频文件和视频文件中的音轨
• 3 种设备端模型规模，从速度较快、只识别英语的一种，到速度较慢的多语言版
• 可编辑的文字稿，搜索时会高亮每一处匹配
• 字幕条目受每行字符数、行数和屏幕停留秒数的限制，并优先在句末切分
• 可修改任何一条字幕的文字，也可把所有时间整体提前或推后
• 可下载 SRT 或 WebVTT、纯文本、带时间戳的段落或 JSON
• 显示单词数、时长、语速和字幕条目数
• 每一步都有进度显示：解码、一次性的模型下载和识别

如何使用 音频转文字

1. 把音频或视频文件拖到页面上
2. 选择模型和所说的语言
3. 点击「Transcribe」，等待文件解码、模型加载和语音识别完成
4. 修改文字或字幕条目，然后复制文字，或下载 SRT 或 VTT

示例

输入

interview.mp3 — first 10 seconds
Max 42 characters per line · 2 lines · 6 s per cue

输出

1
00:00:00,000 --> 00:00:03,400
Welcome back to the show. Today we are
talking about how maps get made.

2
00:00:03,400 --> 00:00:07,100
Our guest has surveyed coastlines
on four continents.

3
00:00:07,100 --> 00:00:09,800
Let's start at the beginning.

字幕条目优先在句末断开，没有哪一行会超过你设定的字符上限。

常见错误与故障排除

• 浏览器提示无法解码这个文件。 — 请试试 MP3、WAV、M4A 或 OGG。有些视频封装格式，比如 MKV 和 AVI，浏览器根本读不了；请先把音频提取成 MP3 或 WAV，再转写那个文件。
• 人名、数字或专业术语识别错了。 — 这些正是识别最薄弱的地方。换更大的模型会有一点帮助，明确指定所说的语言帮助更大；不管怎样，都请对照录音检查结果。
• 字幕行太长，或者每条字幕停留的时间太久。 — 打开「Subtitles」标签页，调低每行字符数或字幕条目的最大时长。条目会立刻重新生成，新的限制会应用到所有地方。
• 字幕在视频播放器里出现得略早或略晚。 — 使用「Shift all timings」把每条字幕整体移动零点几秒。负值会让它们提前，并且最多只能提前到视频开头为止。

常见问题

音频转文字的准确度如何，什么会让文字稿变差？

对单人清晰的语音效果不错；遇到背景噪声、多人抢话、口音很重，以及它没见过的人名或专业词汇时，效果会明显变差。请把输出当作需要修改的草稿，「Text」标签页之所以可以编辑，正是为了这个。

音频转文字能转写哪些语言？

只识别英语的模型处理英语。多语言模型另外还支持西班牙语、法语、德语、葡萄牙语、印地语、日语、中文和俄语，也能自动检测语言，不过明确指定语言的效果更好。

音频转文字转写 1 小时的音频需要多久？

在普通笔记本上用小型模型，大致和录音时长相当，用更小的模型则更快。第一次运行时还会下载一次模型。页面会实时显示每一步：解码、下载和识别。

怎样用音频转文字为视频生成 SRT 或 VTT 字幕？

把视频文件拖进来并转写，打开「Subtitles」标签页，设置想要的行长和字幕时长，然后下载 SRT 或 VTT。把这个文件和视频放在一起，加载到播放器或剪辑软件里；如果时间稍有偏差，先整体平移所有时间。

音频转文字会上传我的录音吗？一次性下载的又是什么？

录音在你的设备上解码和识别，绝不会上传。只会下载一次的，是识别模型本身，它来自公共的模型托管站点，之后由浏览器缓存，所以以后再运行可以立即开始，也能离线使用。

音频转文字对文件长度有上限吗？

没有固定的上限，但解码需要把整个文件放进内存，所以特别大的视频文件可能会失败。对于较长的视频，请先提取音频再转写，或者把录音拆成几段。

相关工具

• 音频转 PDF — 在设备上转写录音，并导出为 PDF、SRT 或 VTT。
• 字幕转换工具 — SRT、WebVTT、SBV 与 ASS，支持时间平移。
• 录音机 — 用麦克风录音，剪掉多余的头尾，再保存为 WAV 或原始格式。
• AI 文本摘要工具 — 在浏览器中用 AI 模型将长文章、邮件或报告归纳为简短摘要。
• 音频格式转换器 — 在MP3、WAV、FLAC、M4A和OGG之间转换音频。
• 从视频提取音频 — 在浏览器中把视频的音频提取为 MP3、WAV 或 M4A，不上传任何内容。
• 视频剪辑器 — 在浏览器中按起止时间从视频截取一段片段，不上传任何内容。
• PDF OCR — 识别扫描 PDF 中的文字，让它可被检索。

更多视频工具

• 视频压缩器 — 在浏览器中压缩视频文件，不上传任何内容。
• 视频格式转换器 — 在浏览器中把 MOV、MKV、AVI、WebM 和 MP4 视频转换为 MP4 或 WebM，不上传任何内容。
• 视频剪辑器 — 在浏览器中按起止时间从视频截取一段片段，不上传任何内容。
• 从视频提取音频 — 在浏览器中把视频的音频提取为 MP3、WAV 或 M4A，不上传任何内容。
• 视频静音 — 在浏览器中去除视频的音轨，不上传任何内容。
• 添加音乐 / 替换音频 — 在浏览器中用您自己的音乐替换视频的音频并调节音量。
• 视频尺寸调整器 — 在浏览器中通过加黑边把视频调整为 Reel、YouTube、方形等尺寸。
• 裁剪视频 — 在浏览器中把视频裁剪为方形、竖版或横版并裁掉边缘。
• 视频转 GIF — 在浏览器中把视频的一段片段转换为优化过的动画 GIF，不上传任何内容。
• GIF 转视频 — 在浏览器中把动画 GIF 转换为 MP4 或 WebM，体积更小且便于分享。
• 视频缩略图生成器 — 从视频自动生成静态帧，并下载为 JPG、PNG 或 WebP。
• 从视频截图 — 在浏览器中把视频的当前帧捕捉为 PNG、JPEG 或 WebP 图片。
• 分割视频 — 在浏览器中按时长或数量把视频分割成多段，并作为 ZIP 下载。
• 为视频添加水印 — 在浏览器中为视频叠加文字或徽标水印，并可控制位置和不透明度。
• 视频变速 — 加速或放慢片段，人声保持自然音调。
• 视频合并工具 — 把多段视频合并成一个，参数匹配时无损。
• 音频格式转换器 — 在MP3、WAV、FLAC、M4A和OGG之间转换音频。
• 字幕转换工具 — SRT、WebVTT、SBV 与 ASS，支持时间平移。
• 视频码率计算器 — 由目标体积算码率，反之亦然。
• 旋转视频 — 旋转或镜像视频，可重新编码画面或只改旋转标记。
• 音频剪切工具 — 从音频中截取片段，可加淡入淡出，条件允许时无损剪切。
• 音量调整工具 — 把视频或音频调大、调小或做响度归一。
• 视频帧率转换工具 — 通过重采样、插帧或重定时更改fps。
• 屏幕录制 — 录制整个屏幕、某个窗口或浏览器标签页，可选加入麦克风，保存为 WebM 或 MP4。

查看全部视频工具 (26) · 全部工具