手动整理一小时的会议录音，可能要花上三四个小时。机器边听边写，用时和录音时长差不多，你只需要修改它听错的那几句。至于要改多少句，在你按下按钮之前就已经决定了：取决于录音、语言，以及你提前告诉它的那些名字。
语音转文字
把音频文件拖到这里
MP3, M4A, WAV, FLAC, OGG, AAC… · 单个文件最大 100 MB
文件在 2 小时后删除，你也可以下载后立即删除。
按用途选择输出格式
SRT 文件会为每一行字幕记录开始时间和结束时间。
| 输出 | 呈现形式 | 适用场景 |
|---|---|---|
| SRT 字幕 | 每一行都带有开始和结束时间 | YouTube、CapCut、Premiere |
| VTT 字幕 | 与 SRT 类似，是网页播放器使用的格式 | 嵌入网站的视频 |
| 纯文本 | 连贯的段落，可选在每段前加上 [mm:ss] 时间标记 | 会议纪要、课堂笔记、文章 |
如果既要字幕又要会议纪要，可以选择带 [mm:ss] 标记的纯文本：读起来流畅，需要核对某一段时，也能很快找到原始音频的位置。
录音时让语音清晰
- 让麦克风靠近说话的人，距离在一拃到一臂之间。放在大会议桌中央的手机，录到远处的声音会非常微弱。
- 避免背景音乐，也别让风扇或空调正对着麦克风吹。工具会跳过静音和噪音，但被音乐盖住的人声很难分离出来。
- 一次只让一个人说话。 两个人同时开口，通常会变成一行混乱的文字。
- 尽量使用原始录音，例如录音笔录下的 M4A 或 WAV 文件，而不是经过几个聊天软件反复压缩过的片段。
转写前先列出人名和术语
把容易出错的词列出来，转写结果要修改的地方就会少得多。
机器对常用词的识别非常准确，但人名、产品名和缩写却很容易写错。把这些词按你希望显示的样子输入到人名和术语中，例如 王晓红, BigQTools, KPI, OKR, Q3 2026。
只需列出容易出错的词，不必列出一整套术语表。精心挑选的几个词条，就能省去后面大量的修改。
语言是根据前 30 秒自动识别的。如果文件开头是音乐或噪音，请自己选择语言，不要保留“自动检测”。
先修改，再进一步使用
结果会直接在页面上打开。点击某一行即可编辑，点击时间可以重听那一段，下载的文件会包含你所做的修改。之后，你还可以用“文本翻译”把它翻译成其他语言，或用“文字转语音”让 AI 语音朗读出来。
常见问题
我的视频超过 100 MB，怎么办？
先用[视频转 MP3](/zh/blog/video-to-mp3-guide) 提取音频。128 kbps 的 MP3 每分钟只有约 1 MB，所以一小时的会议录音也不会超过 100 MB。
怎样把 SRT 文件添加到 YouTube？
在 YouTube 工作室中打开该视频的“字幕”部分，添加语言，选择上传文件，然后选择带时间信息的选项。
录音最长可以多长？
每个文件可转写的分钟数取决于你的套餐。更长的文件依然可以上传，系统会从开头一直转写到套餐上限，页面上也会告诉你在哪里停止。免费登录即可获得更多分钟数。
我的录音会被保存吗？
你的文件和结果会在 2 小时后删除，也绝不会用于训练 AI。
用自己的文件试试
免费，无需注册。文件 2 小时后自动删除。
