Paragraphs with times
The text is split into readable paragraphs at pauses and sentence ends, each with its start time. Click one to play the recording from there.
嘉Jaykou工具台 · 语音转文字 音频留在你的设备上
每日 免费 3 次
免费语音转文本在浏览器中直接转录音频和视频。
将面试、讲座、会议和语音备忘录转化为文本，约支持100种语言。
配合操作，修改任何单词，然后下载 Word 文件、纯文本或字幕。
100% 本地处理游客每日 3 次 · 无水印注册送 20 积分
游客每日 3 次 无需上传 无水印
点击「开始」后，这里显示实时转写…
（暂无）
语音转文字 / 字幕
麦克风实时转写（Web Speech API）或把已有文本自动切成带时间轴的字幕。
语言
阅读速度（字/秒）
每行最大字数
字幕间隔（秒）
能力边界：Web Speech API 的语音识别由浏览器与系统提供的语音服务完成（Chrome 通常把音频发到服务端），不是本站的本地模型，也不是 Whisper。它能给出最终文本，但不提供字级时间戳——本页的时间轴是按「每段识别结果的到达时间」估算的，会有偏差，可手动微调。首次使用需要授予麦克风权限。若需要离线或高精度转写，请自建 Whisper 服务并把音频交给它。
输出：—
音频不上传本站；麦克风音频由浏览器自身的语音服务处理。
识别在你的浏览器里运行，录音永不上传。
使用说明
语音转文字怎么用？4 步就能上手
这是一个把 SPEECH 转成 文本 的在线工具：文件不会离开你的设备，转换直接在浏览器里完成。 免费语音转文本：将音频、视频和麦克风录音转录为约100种语言。
1
导入 SPEECH 文件
点击虚线区域选择文件，或直接把 SPEECH 拖进页面。支持一次拖入多个文件，逐个排队处理。
2
确认输出为 文本
在下方的格式选项中确认目标格式为 文本，并按需要调整画质、尺寸、码率或帧率等参数。
3
开始转换
点击转换按钮后，进度条会实时显示处理进度。文件较大时请保持页面打开，不要切换标签页。
4
预览并下载
转换完成后先预览效果，满意再点击下载把 文本 保存到本地；不满意可以改参数重转。
· 所有处理都在你的设备上完成，文件不会上传到任何服务器。· 如果输出的 文本 体积偏大，可降低分辨率或画质后重试。
A transcript you can work with
Easy to correct
Edit a paragraph in place, split it with Enter, join it with the one before, or replace a misheard name everywhere at once. Undo works too.
Many files at once
Add a whole folder of recordings: they are transcribed one after another, and you can download every transcript in a single ZIP.
Fast or Accurate
Fast is a small download that handles clear speech well. Accurate is larger and slower and makes fewer mistakes with accents, noise and other languages.
Record and transcribe
No file? Record from your microphone and the recording is transcribed as soon as you stop.
隐私优先设计
Recognition runs on your own device. Your recordings and transcripts are never uploaded; the transcripts are kept in this browser until you remove them.
嘉Jaykou工具台
这些也在你的浏览器里完成
无需注册即可试用，游客每日 3 次免费。所有处理都在你的设备上完成，文件不会被上传。
- 490 个免费工具
- 图片 · 视频 · PDF · 文本
- 每日免费额度
所有工具每天都有免费额度。 游客每日 3 次免费，注册再送 20 积分。文件不上传，处理全在你的设备上完成。
语音转文字常见问题
这个语音转文字转换器是免费的吗？
是的。无需账户，无水印，对文件或时间没有限制。识别在您的设备上运行，因此您可以随意使用。
我的录音上传了吗？
不。您的音频和视频保留在您的设备上，并在您的浏览器中进行转录。唯一需要下载的是语音模型，首次使用时下载；您的浏览器会为下次使用保留它。
它能理解哪些语言？
大约100种，包括英语、西班牙语、中文、印地语、阿拉伯语、法语、德语、日语、葡萄牙语和俄语。它会从前几个单词检测语言，或者你可以选择语言。
它的准确性如何？
在清晰的英语语音中，两种大小的模型大约每 100 个词能正确识别 95 个。对于其他语言请选择“准确”：在我们的中文测试中，它大约每 10 个字符正确识别 9 个，而“快速”模式只有 6 个。口音、噪音、多人交谈以及罕见名字会降低准确率，因此请检查名字和数字。
需要多长时间？
这取决于你的设备。在快速的桌面处理器上，Fast 模式所需时间是录音长度的五分之一到三分之一，而 Accurate 模式则是五分之二到一半；笔记本电脑和手机则需要更长时间，支持 WebGPU 的浏览器可以使用显卡。你在开始前会看到一个估计时间，处理过程中会显示剩余时间。
我可以转录哪些文件？
音频如 MP3、WAV、M4A、AAC、OGG、Opus 和 FLAC，以及视频如 MP4、MOV、WebM 和 MKV。仅使用声音。
它会添加标点和段落吗？
是的。文本带有语音模型书写的标点，并且在停顿和句子结尾处分段。你可以自己分割和合并段落。
它能区分说话人吗？
还没有。长时间的停顿通常意味着新段落的开始，这通常发生在说话者更换时；你可以在编辑时添加名字。
更多像这样的免费工具
免费工具
在浏览器中直接转录音频和视频
免费额度、隐私优先。