将 MP3 转为文字
选择 MP3 文件后，AI（Whisper、SenseVoice）会在浏览器内完成转写。音频不会发送到服务器。无需注册、无需付费，也没有时长限制。
该语言在较小的模型上准确率会明显下降，请选择「Whisper Small」或更大的模型
通常保持「自动」即可。仅当结果中的说话人数与实际明显不符时才需指定
没有文件时，也可以用麦克风录音。停止录音后开始转写（在本设备和所选模型下最长约 000 分钟）。录下的音频同样不会发送到外部。
MP3 转文字的步骤
- 选择语言。自动检测也能使用，但指定实际语言（例如中文录音选择「中文」）可以减少识别错误。如果有两人以上说话，也请启用说话人分离。
- 将 MP3 文件拖入，或点击选择。文件读取后会立即开始转写，确定的行会依次显示。
- 完成后点击某一行，即可从该位置开始重听并修改错误。改好后在「保存为文件」中选择 TXT、Word 等格式导出，或直接复制文本。
处理 MP3 时需要了解的事
MP3 是压缩格式，录制时的比特率会直接影响识别精度。128 kbps 以上的日常对话通常可以稳定识别；低于 64 kbps，或像电话录音那样高频被削减的音频，漏字会明显增多。对于日语、中文、韩语以外的语言，效果不理想时，请把模型调到 small 或更大。
处理全部在本机完成。文件不会上传，转写结果也不会外传，因此会议录音、采访素材等不便外发的内容可以直接处理。
静音部分不会被处理，因此所需时间取决于实际说话部分的长度，而不是文件的长度。停顿较多的讲座，或长时间无人说话的录音，处理会比按其时长预想的更快完成。
遇到问题时
- 如果同一个人名或术语反复被识别错，可以在结果页面使用「查找和替换」一次性修改。
- 在带有音乐或片头片尾音乐的播客中，音乐部分可能会出现没有人说过的句子。请在结果页面中删除这些行。
常见问题
除了 MP3 还支持哪些音频？
支持 WAV、M4A、AAC、FLAC、OGG、Opus、AIFF、WMA、AMR、WebM。选择视频文件时，只会提取音轨进行处理。
有文件大小限制吗？
没有。也没有时长限制。一次能处理多长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。
音频会被发送到什么地方吗？
不会。转写在本机浏览器内执行，音频文件和结果文本都不会传给外部服务器。不过，用于修复问题的处理统计（设备性能、错误类型等）会发送到本站的服务器，其中不包含音频、转写结果、文件名和 IP 地址。关闭页面下方「诚邀协助提升服务品质」中的开关即可停止发送。
转写需要多长时间？
取决于设备性能和模型大小。在支持 WebGPU 的环境下往往快于实时；不支持时，可能需要音频时长的数倍。
准备音频、视频，以及转写之后
诚邀协助提升服务品质
无论成功还是失败，如果能把当时的情况发送给我们，都有助于查明原因（统计失败率需要两者兼有）。了解哪些设备、哪些设置更容易失败后，我们就能调整推荐设置并修复相应问题。如果方便，保持开启会帮上很大的忙。
会发送的信息
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）、错误的类型与内容、文件格式和大致的大小与时长，以及处理耗时。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）。结果页面上的编辑（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。
不会发送的信息
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。数据只发送到本站自有服务器，不会交给第三方服务。