加入音訊或影片
拖曳一個或多個音訊或影片檔,或用麥克風錄音。選擇語言,或讓它自動偵測。
將訪談、課堂、會議與語音備忘錄轉成文字,支援約 100 種語言。
邊聽邊對照、修正任何字詞,再下載 Word 檔、純文字或字幕。
或用麥克風錄音。可以同時加入多個檔案。
MP3、WAV、M4A、OGG、FLAC、MP4、MOV、WebM 等拖曳一個或多個音訊或影片檔,或用麥克風錄音。選擇語言,或讓它自動偵測。
按「轉錄」,看著文字逐步出現。點選段落即可聆聽,按兩下可修正字詞。
複製文字,或下載為純文字、Word 文件、SRT 或 VTT 字幕,或含每個字時間的 JSON。
文字會在停頓與句尾處分成易讀的段落,每段都標有開始時間。點一下即從該處播放錄音。
直接在段落中編輯,按 Enter 分段、與上一段合併,或一次取代所有聽錯的名稱。也可以復原。
加入一整個資料夾的錄音:它們會依序轉錄,所有逐字稿可打包成一個 ZIP 下載。
「快速」下載量小,處理清楚的語音很拿手。「精準」較大也較慢,但遇到口音、噪音與其他語言時錯誤更少。
沒有檔案?用麥克風錄音,一停止錄音就會開始轉錄。
辨識在您自己的裝置上執行。錄音與逐字稿絕不上傳;逐字稿會保留在此瀏覽器中,直到您刪除為止。
用 WaveSpeed AI 把您的逐字稿變成圖片、短片與 3D 模型。
符合資格的新帳號可獲得 $1 免費點數,無需信用卡。 生成器需另外擁有帳號與點數。語音轉文字工具則完全免費。
是的。不需要帳號、沒有浮水印,檔案數與分鐘數也不設限。辨識在您的裝置上執行,想用多少就用多少。
不會。您的音訊與影片都留在裝置上,在瀏覽器中轉錄。唯一的下載是第一次使用時的語音模型;瀏覽器會保留它供下次使用。
約 100 種,包括英文、西班牙文、中文、印地文、阿拉伯文、法文、德文、日文、葡萄牙文與俄文。它會從開頭幾個字偵測語言,您也可以自行選擇。
對於清楚的英文語音,兩種模型每 100 個字大約都能正確辨識 95 個。其他語言請選擇「精準」:在我們的中文測試中,它每 10 個字約能正確辨識 9 個,「快速」只有 6 個。口音、噪音、多人同時說話與罕見名稱都會降低準確度,所以請檢查人名與數字。
取決於您的裝置。在快速的桌機處理器上,「快速」約需錄音長度的五分之一到三分之一,「精準」約需五分之二到一半;筆電與手機會更久,支援 WebGPU 的瀏覽器可以使用顯示卡。開始前會顯示預估時間,處理時會顯示剩餘時間。
MP3、WAV、M4A、AAC、OGG、Opus、FLAC 等音訊,以及 MP4、MOV、WebM、MKV 等影片。只會使用其中的聲音。
會。文字附有語音模型產生的標點,並在停頓與句尾處分段。您也可以自行分段與合併段落。
目前還不行。較長的停頓通常會開始新段落,這往往對應說話者的轉換;您可以在編輯時自行加上名字。
免費、私密、不限量。