免费无限制的
AI 语音转文字

完全免费。时长、次数、字数和文件大小都没有限制，也不需要信用卡。只有一次能处理的长度取决于设备的内存和所选模型；放不下时，会在开始处理前在画面上提示。

不会。AI（Whisper、SenseVoice）在浏览器内进行推理，音频不会离开你的设备，既不会保存在服务器，也不会交给第三方。

不需要。打开页面选择音频文件即可开始转写，不会要求你填写邮箱地址。

音频支持 MP3、WAV、M4A、AAC、FLAC、OGG、Opus、AIFF、WMA 和 AMR；视频支持 MP4、MOV、MKV、WebM、AVI、WMV、FLV、MPG、MPEG-TS 和 3GP。可以拖放文件，也可以通过文件选择框打开。

可以。读取 MP4、MOV、MKV、WebM 或 AVI 文件后，浏览器会提取其中的音轨进行转写，无需事先转换成音频文件。转写完成后，可以播放视频并将结果作为字幕叠加显示，用来核对和修改，也可以用翻译后的字幕观看。文件大小没有上限，几 GB 的视频也可以直接读取。用 X Video Downloader 保存的 X（Twitter）视频可以直接导入；如果想先只提取音频，可以使用 Media Tools。

支持说话人分离。会议、采访等多人录音会以不同颜色区分每位说话人。说话人数会自动推测，通常无需指定。结果中的说话人标签可在页面上重命名，误分开的说话人也可以合并，还可以逐行更改说话人或拆分。若在电脑上使用 Firefox 以外的浏览器且可以使用 WebGPU，并且说话人数设置为「自动」，说话人分离使用 NVIDIA Nemotron 3 Diarization 模型，其他情况下则使用 pyannote；两种情况下都会使用 WeSpeaker 比较声音特征。

可以。转写结果能导出为带时间码的 SRT 和 VTT（WebVTT）字幕，可直接导入视频编辑软件或视频平台（大多数视频编辑软件支持 SRT）。也支持导出纯文本（TXT）、Word（DOCX）、PDF、CSV、JSON 以及复制到剪贴板。想把导出的 SRT 直接烧录进视频，可以使用 Media Tools（字幕烧录）。

可以。在结果标题中点击“翻译”，选择源语言和目标语言后，每一行下方都会显示译文。所有导出格式都可以选择原文、译文或双语。如果读取的是视频，还可以在播放时把译文作为字幕叠加在视频上。翻译使用 Chrome 138 及以上 / Edge 148 及以上桌面版内置的翻译引擎，全部在本设备上完成，转写文本不会被发送到任何地方。智能手机以及 Firefox、Safari 无法使用。首次使用某种语言时需要下载对应的翻译模型。

可以。AI 模型下载一次之后，没有网络也能进行转写。根据所选模型，体积大约在 40 MB 到 5.2 GB 之间。

选择适合语言的模型可以提高准确率。日语在可选的模型中「Haas-ja v1.0」最准确，错误比「SenseVoice Small」少约四成（本站对朗读语音的实测）。它仅限可使用 WebGPU 的电脑，首次下载约 710 MB，处理时间约为音频时长的三十分之一（在集成显卡的电脑上实测）。在可通过 Chrome、Edge 使用 WebGPU 的电脑上（搭载 Apple 芯片的 Mac 除外），它是日语的默认模型。中文、韩语以及手机、Safari、Firefox 等环境中的日语默认使用「SenseVoice Small」，轻量快速，日语和中文的准确率不低于「Whisper Large v3 Turbo」。其他语言则模型越大越准确，在支持 WebGPU 的环境中，「Whisper Large v3 Turbo」兼顾高准确率与速度，值得推荐（在配备独立显卡的电脑上为默认模型）。英语在集成显卡的 Windows 电脑和手机等设备上默认使用「SenseVoice Small」，错误比「Whisper Base」少，处理也更快。在可使用 WebGPU 的电脑上，还可以选择「Qwen3-ASR 1.7B」（首次下载约 5.2 GB），其日语、英语和中文的错误比「Whisper Large v3 Turbo」更少。另外，不要停留在「自动检测」，明确指定实际语言也能减少识别错误。各模型在每种语言下的错误率与处理时间的实测结果，请参阅模型对比与选择方法页面。

可以，但为保护设备会以节省内存的模式（WASM）运行，一次能处理的长度比电脑短。较长的录音或录像建议使用电脑。

仅收集修复问题和改进功能所需的统计信息：设备性能（GPU 型号、内存、核心数）、浏览器与操作系统、所选模型与语言、说话人分离的设置（是否开启及指定的人数）、页面的显示语言、处理进行到哪一步（包括中途停止或关闭页面的情况）、错误类型与内容、文件格式和大致的大小与时长，以及处理耗时。还会发送一个用于关联同一标签页内处理的临时编号（关闭标签页后删除）。为了统计失败率，成功时也会发送同样的项目。在结果页面上，还会发送编辑（如更改说话人名称、拆分行）、翻译、摘要和字幕文件读取的使用次数、在「保存为文件」中选择的格式和「复制文本」和「全部保存」的使用次数，以及翻译的语言组合。音频数据、转写结果（包括正文、说话人名称和译文）、文件名和 IP 地址一律不会发送，数据也只发送到本站自有服务器，不会交给第三方服务。你可以随时用页面下方「诚邀协助提升服务品质」中的开关停止发送。

可以。在结果下方的“保存为文件”中选择“Word（DOCX）”，即可保存为能用 Word 打开的文档。PDF 通过浏览器的打印功能保存：选择“PDF”后，在打开的打印界面中另存为 PDF（在 iPhone、iPad 上，请在打印界面点击共享按钮，存储到“文件”）。还支持用于电子表格的 CSV 和供程序处理的 JSON。所有格式都在浏览器内生成，转写文本不会被发送到外部。

可以。按“用麦克风录音”，即可用电脑或手机的麦克风录音。按“停止录音”后再按“开始转写”，就会把录下的音频转为文字。录下的音频同样不会发送到外部，会保存在本设备的历史记录中。最长可录音 3 小时，视设备的内存和所选模型可能更短。上限会在开始录音前显示在画面上。在手机上，录音时锁定屏幕或切换到其他应用，录音可能会停止。

可以。在选择文件的画面中选择多个文件，或一次拖入多个文件，就会用同样的设置（模型、语言、说话人分离）逐个转写。每个结果都会保存到本设备的历史记录。全部完成后，在“全部保存”中选择 TXT、Word、SRT、VTT、CSV 或 JSON，即可把每个文件的结果保存到一个 ZIP 文件中。无法处理的文件会被跳过，继续处理下一个。所有处理都在浏览器内完成，文件不会发送到外部。

可以。在电脑上的 Chrome 或 Edge（138 及以上版本）中，在结果页面点击“生成摘要”，浏览器内置的 AI（Gemini Nano）就会把转写内容的要点整理成列表。摘要也在浏览器内生成，因此转写文本不会发送到外部。以 Word、TXT 或 PDF 保存时，摘要会放在开头，可以直接用作会议纪要的初稿。支持摘要的语言为日语、英语、西班牙语、德语和法语。首次使用时浏览器会下载 AI 模型，需要 22 GB 的可用空间，以及 16 GB 以上的内存或显存超过 4 GB 的 GPU。手机、Firefox 和 Safari 无法使用。

可以。在选择文件的画面中选择 SRT 或 VTT 字幕文件，无需转写就会直接在结果页面打开。可以修改各行的文字和时间、拆分或删除行、翻译和生成摘要，并通过“保存为文件”保存为 SRT、VTT、TXT、Word 等格式（也可以把 SRT 转换为 VTT）。把字幕文件和视频（或音频）一起选择，就能播放视频并叠加字幕进行核对。读取同样在浏览器内完成，文件不会发送到外部。