跳过主要内容

音频、视频转文字,大约一分钟

音频转文字(Transcribe Audio to Text)

上传音频或视频文件,就能得到可编辑的文字稿,带说话人标签和时间戳。说话人改一次名,全文一起改。可以导出 Word、PDF、SRT、VTT,或直接能导入 NVivo 的文件。大多数文件约一分钟转完。每天免费 3 个文件,付费时长永不过期。

把音频或视频拖到这里

访谈、会议、讲座、播客、语音备忘录

MP3、MP4、M4A、WAV、MOV、WEBM、OGG · 最长 5 小时

不用你的文件训练模型。文件 30 天后自动删除,也可以立即删除。

说话人可以改名

把「说话人 1」改成「采访者」,全文一次生效。抢话时可以把某一句改给另一个人,或者把被拆开的两句合并。

录音差也能用

电话录音、嘈杂环境、口音重都能转。上传前填上人名和术语,拼写更准。

一次付费,时长不过期

10 小时 $9.99,30 小时 $19.99,不订阅、不过期。文件 30 天后自动删除,也可以立即删除。

怎么把音频转成文字

  1. 1

    上传或录音

    拖入 MP3、MP4、M4A、WAV、MOV 或 WEBM 文件,或者用手机直接录音。视频会先在你的浏览器里压缩成音频,上传很快。

  2. 2

    选择语言(可选)

    语言会自动识别。很短的片段或混合语言,可以手动选择,并填写人名和术语。

  3. 3

    先看第一段,其余的马上就好

    几秒后先出第一段文字,随后是带说话人的完整文字稿。可以关掉页面,长文件转好会发邮件通知你。

  4. 4

    编辑、改说话人名、导出

    直接改字、给说话人改名,然后导出 TXT、DOCX、PDF、SRT、VTT 或 NVivo / MAXQDA 格式。

什么样的文字稿才好用

说话人标错了能快速改

多人抢话时,没有哪个工具能把每次换人都标对。关键是改起来快不快:改一次名、把一句移给别人、把拆开的句子合起来。

每段都有时间戳

做研究、做采访的人经常要回听核对原话。点任意一段,就从那里开始播放。

干净版和逐字版

干净版去掉嗯、啊、重复的开头,方便阅读;逐字版保留每个字,适合对话分析或法律用途。随时可以切换。

人名和行业词

语音识别常把少见的人名拼错。上传前在「人名和术语」里填好,转写时会参考,转完再把相近的错拼改成你的写法。

每小时音频的价格对比

服务套餐价格每月转 20 小时时的每小时价格
Transcribe Audio to Text30 小时,一次性$19.99,永不过期$0.67
Transcribe Audio to Text无限版$19.99/月 或 $119.99/年$1.00(月付)
TurboScribeUnlimited$20/月,年付约 $10/月$1.00(月付)
OtterPro$16.99/月,年付约 $8.33/月$0.85(月付)
NottaPro$13.49/月,年付约 $8.17/月$0.67(月付)
Sonix按量付费每小时 $10$10.00

价格来自各家公开价格页,2026-11-22 查询;月付套餐按月价计算。

常见问题

在这里音频转文字免费吗?

免费,但有限制:每天 3 个文件,每个最长 30 分钟,每月 120 分钟,只能导出 TXT。更长的文件先免费转前 30 分钟,剩下的可以解锁。付费后可以导出 Word、PDF、字幕和 NVivo 格式。

准确率怎么样?

录音清楚时,绝大多数字都对,包括人名和数字。电话录音、多人抢话和很大的背景噪音会让错误变多,主要出在换人的地方。编辑器里可以直接改,填写人名和术语也有帮助。

要多久?

大多数文件上传后约一分钟转完。我们实测 20 分钟的访谈约 25 秒,55 分钟的会议约 70 秒。第一段会更早出来。特别长的文件需要几分钟。

会用我的录音训练 AI 吗?

不会。你的文件只用来生成你的文字稿。音频和文字 30 天后自动删除,选了 24 小时就 24 小时后删除,点「删除」则立即删除。

支持哪些语言?

英语和其他约 40 种语言,包括西班牙语、葡萄牙语、法语、德语、中文、日语、韩语、印地语和阿拉伯语。语言自动识别,也可以手动选择。

相关页面

现在就转一个文件试试

免费:每天 3 个文件,每个转前 30 分钟。用 Google 登录即可开始。

选择文件