🎙 音频转文字

音频转文字转换器与在线转录

把任意录音里的语音转为可编辑的文字,支持 90+ 种语言,可下载为 TXT、DOCX、SRT 或 VTT。

✨ Powered by AI

点击或拖拽上传音视频文件

支持 MP3 · MP4 · WAV · M4A · AAC · OGG · FLAC · WebM · AMR · OPUS · WMA · AIFF · CAF · 3GP 等 20+ 种格式

隐私优先 · 24 小时后自动删除
极速处理 · GPU 加速
多语言支持 · 90+ 种语言识别

3 步把音频转为文字

01

上传音频文件

拖入 MP3、M4A、WAV、FLAC、OGG 或其他任意音频文件。任何时长的录音都可以,无需事先裁剪。

02

AI 转录语音

自动识别语音的语言,并连同时间戳一起写出内容,支持 90+ 种语言中的任意一种。

03

下载 TXT、DOCX、SRT 或 VTT

复制文字,或在 Word、Google Docs 中打开,也可以下载带时间戳的字幕,用于视频编辑器或网页播放器。

什么是音频转录?

音频转录,也叫音频转文字或语音转文字,是把录音里说出的话转成书面文字的过程。你从手头已有的文件开始,比如一期播客、一段访谈录音或一条语音备忘,就能得到可以阅读、搜索、编辑和分享的文字稿。

它和听写或语音输入不同。听写是在你对着麦克风说话的同时把内容记下来;音频转录处理的是已经存在的录音,因此适合之前录好的内容、别人制作的内容,或在其他设备上录制的内容。

要在线转录音频,上传录音即可。你会得到一份90+种语言中任意一种的文字稿,每一行都带有时间戳。文字稿不会标明是谁在说话:对于对话,你得到的是按顺序排列的话语,而不是带说话人姓名的剧本。如果你手上的是视频而不是音频文件,流程也是一样的:请看视频转文字。

可转换的音频格式

常见的音频格式都可以直接上传。无需先把音频转成 MP3,格式也不会改变价格:按音频的分钟数计费,而不是按文件大小。

格式通常来自转换
MP3播客、音乐播放器、大多数录音设备和下载网站MP3 转文字
M4AiPhone 和 Apple 设备上的语音备忘录、iTunesM4A 转文字
WAV外景录音设备和音频软件生成的无压缩录音WAV 转文字
FLAC无损音乐和存档录音FLAC 转文字
OGGWhatsApp、Telegram 和开源应用中的语音消息OGG 转文字
OPUSWhatsApp 语音留言、WebRTC 和 VoIP 通话OPUS 转文字
AACApple 和 Android 的录音,以及从视频中提取的音频AAC 转文字
WMA较旧的 Windows 录音机和 Windows Media 存档WMA 转文字
AIFFMac 上的音频软件和录音棚录音AIFF 转文字
AMR旧手机、通话录音和语音信箱AMR 转文字
MP2广播节目和较早的数字存档MP2 转文字

Apple 设备的 CAF 文件也可以上传。完整的音频和视频格式列表见支持的格式。

可以转录哪些音频?

只要语音清晰,任何录音都可以用在线音频转文字转换器转成文字。下面是最常见的几类,以及每一类需要注意的地方。

播客

整期节目变成可搜索的文字稿,可以和音频一起发布,也可以重新用于节目笔记。即使是两小时的节目,也无需事先剪辑。

访谈

录好的访谈会按说话的先后顺序变回文字,每一行都有时间戳,方便你找到某句引语并对照录音核实。

讲座和课程

录下来的讲座会变成可以搜索和标注的笔记。从教室后排录的音频也能用,但把手机放得离讲话的人更近,文字效果明显更好。

电话通话

通话录音通常保存为 AMR、M4A 或 WAV,可以直接上传。电话语音的频带较窄,因此准确度通常比录音棚录音略低一些。

语音信箱

把语音留言转成文字,一眼就能读完,不必听完整条消息,还能保留来电者所说内容的书面副本。

语音录音和备忘

来自任何录音设备或手机应用的语音备忘、会议录音和个人笔记,都会变成可编辑的文字,可以直接复制到文档或邮件中。

转录 90+ 种语言的音频

语音识别支持 90+ 种语言,并且会自动识别语言,所以上传前不需要选择。使用最多的语言包括英语、西班牙语、法语、德语、葡萄牙语、意大利语、俄语、中文(普通话和粤语)、日语、韩语、阿拉伯语和印地语。准确度取决于语言和录音本身:使用人数多的语言和清晰的语音,效果最好。

文字稿准备好之后,你可以把它或由它生成的字幕翻译成 29 种语言,并以相同的格式下载译文。视频文件在视频翻译中有同样的功能。中文音频会以带完整标点的简体中文返回。

AI 转录还是自己打字

手动打字整理文字稿可以让你完全掌控,但需要反复听、反复暂停。当初稿来自语音识别时,情况就不一样了。

TextifyALL自己打字
时间戳自动加到每一行手动添加,如果有添加的话
语言90+ 种语言,自动识别只限你会的语言
输出TXT, SRT, VTT, DOCX,可直接下载所有排版都要自己动手
成本按分钟计费,价格见下文你自己的时间
最适合一份完整的初稿,之后你再通读修改需要逐字核对的短片段或法律级别的措辞

无论选哪种方式,发布之前都要把文字稿从头读一遍:人名、数字和专业术语是最容易听错的地方。

如何得到更准确的文字稿

清晰的录音下,准确度最高可达 98%。干净的文字稿和杂乱的文字稿之间,大部分差别来自录音本身,所以下面这些习惯值得养成。

靠近说话的人录音

距离比麦克风更重要。把手机放在说话人身边,通常比房间另一头的昂贵麦克风效果更好。

降低背景噪音

音乐、车流和其他谈话声会和人声互相干扰。风扇这类持续稳定的噪音,比忽大忽小的声音干扰要小。

一次只有一个声音

多人同时说话时,很难把两个声音都识别出来。在会议和访谈中,让说话人之间稍作停顿会有帮助。

上传原始文件

把音频转成别的格式只会损失细节。请直接上传你的录音设备或应用生成的文件,不论是什么格式。

核对人名和数字

人名、数字和专业术语是最容易听错的地方。发布之前,在文字里搜索它们,并和录音对照。

先试试免费分钟数

前 15 分钟免费,所以在为长文件付费之前,你可以先看看自己的录音会被转录成什么样。

音频转录要多少钱?

前 15 分钟免费,无需注册。注册免费账户可再获得 20 分钟免费时长。之后每分钟 $0.035,最低 $1.99 起。所有套餐见定价页面。

把文字稿导出为 TXT、Word 或字幕

所有套餐,包括免费分钟数,都可以下载全部四种格式的文字。

格式最适合
TXT阅读文字、搜索,并粘贴到任何地方
DOCX在 Microsoft Word 或 Google Docs 中编辑,见 MP3 转 DOCX
SRT用于视频编辑器和 YouTube 的字幕,见 MP3 转 SRT
VTT用于网页 HTML5 播放器和播客的字幕,见 MP3 转 VTT

每一行字幕都保持足够简短,在屏幕上读起来轻松。

我的音频文件是私密的吗?

你的音频文件不会被长期保存:处理完成后即被删除。我们生成的文字稿、字幕和翻译文件会保留 24 小时,供你下载,之后永久删除。

文件通过加密连接传输,你的内容绝不会被出售,也不会用于训练 AI 模型。为了生成文字,第三方的语音识别和 AI 语言服务会处理音频和文字稿。详情见隐私政策。

谁在用音频转文字

播客制作人

为每一期节目附上文字稿,方便听众搜索,并且无需重新播放音频,就能摘出引语,用于社交媒体帖子和节目笔记。

记者和研究人员

转录访谈,用来核实引语、为研究的回答编码,或在原始录音旁保留一份书面记录。

学生

把录下来的讲座和研讨会转成文字,然后直接搜索你需要的部分,而不是把整堂课重新听一遍。

团队

转录会议录音,把笔记分享给没来参加的人,并留下决定事项的记录。

定价

透明定价。超大配额。纯粹高效。

选择适合您工作流的套餐,享受无与伦比的转录速度,同时保障绝对隐私。

按需充值

按需购买积分,无需订阅,无任何承诺。

永不过期无需订阅即时到账
$270 分钟
+5% +10% 首充赠送 · 赠送 10 分钟

再加 $8 可享 +10% 赠送

安全结账 · 文件 24 小时后删除

按月付费按年付费

Starter

非常适合入门体验

$0

永久免费

免费试用
  • 无需注册免费 15 分钟,注册再送 20 分钟
  • 云端 API 处理
  • 全部导出格式(TXT、SRT、VTT、DOCX)
最受欢迎

Pro

适合日常专业人士

$19.90/月

包含 4,000 积分/月(约 66 小时)

注册后解锁额外 25% 赠送积分

  • 优先云端 Turbo 引擎
  • 加密传输 · 文件 24 小时后自动删除
  • 全部导出格式(TXT、SRT、VTT、DOCX)

Max

适合高级用户和团队

$49.90/月

包含 15,000 积分/月(约 250 小时)

注册后解锁额外 25% 赠送积分

  • 包含 Pro 的全部功能
  • 最高优先级队列
  • 商业授权
  • API 访问(即将推出)

常见问题

免费。每个文件的前 15 分钟免费,无需注册;注册免费账户可再获得 20 分钟。这些额度足够你用自己的文件测试转录质量,再决定是否付费。

大多数文件几分钟内即可完成,较长的录音也会得到一份完整的文字稿。

不会长期保存。上传的音频处理完成后即删除。生成的文字稿、字幕和翻译文件保留 24 小时供你下载,之后永久删除。你的内容不会被出售,也不会用于训练 AI 模型。

在本页上传音频文件,转录会自动开始:自动识别语言,并连同时间戳一起写出语音内容。完成后,可以在浏览器中阅读文字,或下载为 TXT、DOCX、SRT 或 VTT。无需安装任何软件。

实际上没有区别:两者都是把录下来的语音变成书面文字,语音转文字则是同一件事的第三种叫法。“音频转文字”是这类工具的常用名称,“音频转录”指的是这个过程及其结果,也就是文字稿。

你手头已有的那种。语音识别不需要特殊格式,再次转换文件只会降低质量。如果是新录音,WAV、FLAC 或高质量 M4A 这类无压缩或轻度压缩的格式能保留最多细节,不过普通的 MP3 文件也能转录得很好。

可以。来自任何手机应用或录音设备的语音备忘、口述和录音,都可以按原格式直接上传,比如 M4A、MP3、WAV 和 AMR。你会得到带时间戳的文字,可下载为 TXT 或 Word。

能,但噪音越大,准确度越低。空调这类持续稳定的噪音,比音乐、互相重叠的人声或离麦克风很远的说话人干扰要小。如果可以,请靠近说话的人录音;对于已有的录音,请重点检查噪音最大的片段。

对时长和文件大小没有固定上限。长录音会作为一份完整的文字稿返回,按音频分钟数计算(1 个积分 = 1 分钟)。

可以。转录完成后,你可以把文字或字幕翻译成 29 种语言,并将译文下载为 TXT、DOCX、SRT 或 VTT。视频请看视频翻译。