注重隐私文件从不上传
AI 免费 · 在你的设备上运行
音频转文字
用直接在浏览器中运行的 AI 语音模型 Whisper，把采访、讲座、语音备忘录和视频转成文字。你的录音从不离开你的设备。
将音频或视频文件拖放到这里
或从你的设备中选择
文件不离开你的设备 · 免费，无需注册 · 不限文件大小
如何将音频转成文字
- 打开音频或视频文件，或将其拖放到页面上。
- 下载一次语音模型，选择音频语言，或保持自动检测。
- 选择“开始转写”，然后复制文字，或下载为 TXT、SRT 或 VTT 字幕。
在你的设备上进行语音识别
Whisper 是 OpenAI 的开源语音识别模型，使用约一百种语言、68 万小时的音频训练而成。Scissor Audio 在浏览器中通过 WebAssembly 运行约 80 MB 的 Whisper base，录音从不会发送到任何转写服务。
带时间戳的字幕
每句话都带有开始和结束时间。可将转写结果下载为 SRT 或 WebVTT 字幕，用于 YouTube、视频剪辑软件和播放器；也可下载为纯文本，用于笔记和文档。
将语音翻译成英语
选择“翻译成英语”，Whisper 就能把它支持的任何语言的语音，一步转写成英文文字。
关于音频转文字的问题
我的音频会被上传吗？
不会。音频由浏览器解码，再由在标签页中运行的模型转写。不会向服务器发送任何内容；模型加载完成后，你甚至可以断开网络。
真的免费且不限量吗？
是的。模型在你自己的设备上运行，每分钟音频不会给我们带来任何成本：无需注册，不限时长，不限文件大小。
支持哪些语言？
Whisper 可识别约一百种语言，包括英语、西班牙语、法语、德语、葡萄牙语、意大利语、荷兰语、俄语、阿拉伯语、波斯语、土耳其语、印地语、中文和日语。英语和其他使用广泛的语言准确率最高。
准确率如何？
对于清晰的语音，准确率接近一位认真的听写员，但人名和专业术语可能需要修改。背景音乐、多人同时说话和远距离麦克风都会降低准确率。
需要多长时间？
在较新的笔记本电脑上，一分钟音频大约需要十到二十秒。手机和较旧的电脑会更慢。文字会边识别边显示，你可以马上开始阅读。
可以把视频转成文字吗？
可以。打开 MP4、MOV 或 WebM 文件即可转写其中的声音。将结果下载为 SRT 或 VTT，就能用作字幕。