注重隱私檔案從不上傳
AI 免費 · 在你的裝置上執行
語音轉文字
用直接在瀏覽器中執行的 AI 語音模型 Whisper，把訪談、課堂、語音備忘錄和影片轉成逐字稿。你的錄音從不離開你的裝置。
或從你的裝置中選擇
檔案不離開你的裝置 · 免費，無需註冊 · 不限檔案大小
如何將語音轉成文字
- 開啟音訊或影片檔案，或將它拖放到頁面上。
- 下載一次語音模型，選擇說話語言，或保持自動偵測。
- 選擇「開始轉錄」，然後複製文字，或下載成 TXT、SRT 或 VTT 字幕。
在你的裝置上進行語音辨識
Whisper 是 OpenAI 的開源語音辨識模型，以約一百種語言、68 萬小時的音訊訓練而成。Scissor Audio 在瀏覽器中透過 WebAssembly 執行約 80 MB 的 Whisper base，錄音從不會傳送到任何轉錄服務。
附時間戳記的字幕
每句話都附有開始和結束時間。可將逐字稿下載成 SRT 或 WebVTT 字幕，用於 YouTube、影片剪輯軟體和播放器；也可以下載成純文字，用於筆記和文件。
將語音翻譯成英文
選擇「翻譯成英文」，Whisper 就能把它支援的任何語言的語音，一步轉成英文逐字稿。
關於語音轉文字的問題
我的音訊會被上傳嗎？
不會。音訊由瀏覽器解碼，再由在分頁中執行的模型轉錄。不會傳送任何內容到伺服器；模型載入完成後，你甚至可以中斷網路連線。
真的免費而且沒有限制嗎？
是的。模型在你自己的裝置上執行，每分鐘音訊不會為我們帶來任何成本：無需註冊，不限時長，不限檔案大小。
支援哪些語言？
Whisper 可辨識約一百種語言，包括英文、西班牙文、法文、德文、葡萄牙文、義大利文、荷蘭文、俄文、阿拉伯文、波斯文、土耳其文、印地文、中文和日文。英文和其他廣泛使用的語言準確度最高。
準確度如何？
清楚的語音，準確度接近一位仔細聽打的人，但人名和專業術語可能需要修正。背景音樂、多人同時說話和距離較遠的麥克風都會降低準確度。
需要多久時間？
在較新的筆電上，一分鐘音訊大約需要十到二十秒。手機和較舊的電腦會比較慢。文字會邊辨識邊顯示，你可以馬上開始閱讀。
可以把影片轉成文字嗎？
可以。開啟 MP4、MOV 或 WebM 檔案，就能轉錄其中的聲音。將結果下載成 SRT 或 VTT，就能當作字幕使用。