添加音频文件
上传节目片段，转录完成后打开查看。
音频转录
音频转文字：生成可编辑的转录稿
上传设备中的音频文件，即可将音频转成可继续使用的文字稿。适合创作者、采访者、研究人员、播客制作者和编辑整理口述内容。
音频转文字：生成可编辑的转录稿: 可从单个视频、最多 50 个链接的列表、公开播放列表或设备中的文件开始。
支持: TikTok Instagram Reels YouTube Shorts Facebook Videos 文件上传
音频转文字，就是上传音频文件，把其中的语音内容转换成可阅读、可检查、可编辑的转录文本。实用的音频转录流程还应提供时间戳和多种导出格式，方便用于剪辑、字幕、研究整理或写作。
截图导读
检查关键术语
核对人名、标题以及容易混淆的词语。
导出用于写作
快速记笔记可保存为 TXT；共享编辑可用 DOCX。
示例流程
将播客片段转成笔记
- 场景
- 一位编辑需要从采访音频文件中获取转录稿，用于撰写节目笔记和新闻简报摘要。
- 素材输入
- 上传的一段 18 分钟播客音频，包含主持人开场、嘉宾采访和结尾建议。
- 结果
- 一份易读的采访转录稿，已整理好结构，便于撰写节目笔记、摘取引用和总结内容。
- 导出选择
- 笔记用 TXT；协作编辑用 DOCX
常见使用场景
下面三个场景覆盖访谈、会议和编辑工作中常见的音频转写需求。
播客音频转录
- 输入
- 使用语音音频录音将对话转换为可读文本。
- 输出
- 带时间戳的转录文本，可用于审阅、编辑和导出。
- 用途
- 适用于节目简介、摘要以及语音音频的可搜索存档。
采访音频转录
- 输入
- 处理采访录音，将提问和回答整理为文本。
- 输出
- 结构化的转录内容，可复制、搜索和导出。
- 用途
- 帮助研究人员和编辑基于文本开展工作，而不必反复回放音频。
语音备忘录转写
- 输入
- 将口述备忘录或录制的说明转换为文本，以便后续处理。
- 输出
- 整洁的带时间戳转录文本，便于快速查阅。
- 用途
- 让口述想法更容易整理成任务、草稿和文档。
支持
- 语音清晰且源媒体可访问的音频录音
- 导出前可审阅带时间戳的转录文本
- 适用于播客、采访、语音笔记和录制讨论等使用场景
- 可导出为适合文本阅读、字幕准备、表格审阅、结构化数据和文档的格式
不支持
- 无法访问或不可用的源媒体
- 以纯音乐、静音或非语音音频为主要内容的媒体
- 期望在嘈杂、带口音或多人重叠说话情况下获得逐字完全准确的文本
- 涉及已删除、受限或仅限登录访问媒体的请求
媒体已就绪音频转文字：生成可编辑的转录稿
音频清晰度会影响后续校对时间戳便于定位和引用上传隐私取决于你的文件选择
将口述音频转为可用文本
将音频转换为文本将音频转换为可读的转录文本，审阅时间戳，并导出结果用于笔记、编辑或字幕准备。
如何把音频转成文字
流程从上传录音开始，到得到可编辑的转录文本结束。
- 1
选择并上传音频文件
从你的设备中选取音频文件并上传。文件会先经过校验，确认可以处理后，才会创建转录任务。
- 2
查看转录结果并进行校对
生成转录文本后，打开内容并结合时间戳逐段检查。若有人名、表达、标点或排版需要调整，可在分享或发布前先修改。
- 3
导出并继续后续工作
按你的下一步用途下载对应格式的文件。你也可以基于转录内容继续整理摘要、字幕、改写文案、SEO brief或内容分析。
为什么使用这种音频转文字方式
上传录音做转录时，真正重要的是这些环节。
直接从设备中的音频文件开始
你可以直接选择已经保存好的录音文件，不必先去找公开链接。系统会先检查文件，再创建转录任务，能更早发现不支持或上传不完整的问题。
使用前先检查并修改转录稿
生成后，你可以通读转录内容、查看时间戳，并按需要修改措辞。对于采访、播客、会议笔记和引用内容，这一步很重要。
按用途导出合适的格式
转录完成后，可导出为TXT、SRT、VTT、CSV、JSON和适合整理为DOCX的文本。无论是写稿、做字幕、研究归档还是交给编辑处理，都更方便。
上传前你需要知道的事
以下几点与本页场景直接相关，能帮助你更顺利地完成音频转录。
- 音频清晰度会影响后续校对
- 语音清楚、背景噪音较少、音量稳定的录音，更便于后续检查和编辑。如果录音里声音很远、多人重叠或失真明显，通常需要花更多时间核对文本。
- 时间戳便于定位和引用
- 完成后的转录稿可结合时间戳查看，方便你快速找到录音中的具体片段。对于摘录引语、核对段落、制作字幕或整理节目说明都很有帮助。
- 上传隐私取决于你的文件选择
- 本页适用于你主动从自己设备中选择并上传的音频文件。如果你不想提交整段录音，更实际的做法是先只上传你愿意处理的部分内容。
使用前要了解的限制
音频转文字有一些常见限制，开始前了解清楚会更省事。
- 这里不是从在线视频链接开始，而是从你上传的文件开始，但文件仍需先通过校验才能进入处理。
- 如果语音不清、多人同时说话、背景噪音很强，或包含少见人名和术语，转录文本通常还需要人工修改。
- 如果整段录音较长且难以核对，建议先上传更短、更清晰的片段，确认结果后再继续处理更多内容。
常见问题
音频转文字常见问题
哪些录音更适合做音频转文字？
语音清楚、背景噪音较少的录音，通常更便于后续检查和编辑。采访录音、语音备忘、播客素材和口述研究记录都很常见。
音频转成文字后还能修改吗？
可以，你可以在发布或导出前先查看并编辑转录稿。这样能补正人名、标点、表达方式和其他细节。
如果上传的文件未被接受，会怎样？
文件会在创建转录任务前先进行校验，因此不支持或上传不完整的文件会尽早被拦下。只有在成功生成转录文本后才会扣除额度。
音频转录完成后可以导出哪些格式？
完成后的转录稿可导出为TXT、SRT、VTT、CSV、JSON和适合整理为DOCX的文本。具体选哪一种，取决于你是要阅读、做字幕、做分析，还是交付文档。
选择规则
选择规则适合使用不适合
你需要根据节目内容撰写邮件简报导出 TXT 并按章节总结直接基于字幕文件编辑
音频中包含专有名词发布前核对名称默认所有术语都已正确
你计划进行团队协作编辑使用 DOCX传来传去只用纯字幕格式
导出格式
TXT适合适合简单阅读、记录笔记和快速复用使用前检查不包含字幕时间段结构
SRT适合用于将语音音频制作成适合同步视频项目的字幕使用前检查与剪辑后画面匹配时，时间可能需要调整
VTT适合适用于网页字幕工作流和浏览器播放使用前检查字幕片段的支持情况可能因播放器或平台而异
CSV适合适合时间戳排序、分析和表格工作流使用前检查导入设置可能影响文本换行和分隔符
JSON适合适合结构化转录记录和自定义处理使用前检查更适用于需要机器可读字段的场景
DOCX适合适合审阅、批注和基于文档的编辑使用前检查对于侧重时间处理的工作，不如字幕格式合适
失败原因
音频源无法访问或不可用
可尝试: 使用可以正常打开并处理的有效来源
语音过轻、失真，或被背景噪声掩盖
可尝试: 选择更清晰的录音，或在重试前先改善音频质量
多位说话者严重重叠
可尝试: 审阅转录文本，并手动修正不清楚的部分
录音中长时间停顿，或口语内容很少
可尝试: 使用语音片段更清晰的音频，以获得更有用的输出
所选来源不是目标录音
可尝试: 开始转录前先核实文件或链接
相关下一步
- 视频转文字：生成可编辑转录与字幕
用于源内容包含视频时的转录
- SRT、VTT、TXT、CSV 和 JSON 字幕转换器
用于将转录结果转换为字幕格式
- YouTube 视频与 Shorts 文字稿生成器
用于公开 YouTube 语音转录
- 通过公开视频链接获取 TikTok 转录文本
用于公开 TikTok 短视频转录
官方参考
- WebVTT 规范
VTT 字幕格式的官方参考
- SubRip 字幕格式概览
SRT 字幕文件结构和用法的参考资料