选择音频或视频文件
MP3、WAV、M4A、MP4、MOV、WebM —— 用 Whisper 在浏览器中转写
点击选择，或将文件拖到此处
也可以粘贴（Ctrl+V / Cmd+V）
大多数工具完全在您的设备上运行
Advertisement
关于在浏览器中转录音频
这可以将音频录音——讲座、采访、语音备忘录、播客——转录为文字和可选的 SRT/VTT 字幕，而无需将文件发送到任何地方。OpenAI 的 Whisper 模型通过 WebAssembly 在你的浏览器中本地运行。
模型权重会下载一次（Tiny 约 40MB，量化后的 Base 约 80MB），之后由浏览器缓存，因此后续运行会立即开始并能离线工作。Base 模型更准确；Tiny 模型更快。Whisper 会处理标点和大小写，自动检测所说的语言，并可按需将其他语言翻译为英语。它不会标注说话人，也不会进行分段换行。
转录在 WebAssembly 上的运行速度大约是实时速度的 1 到 5 倍，因此长录音需要一些时间——裁剪到所需部分，或使用 Tiny 模型，可以加快处理速度。在音质较差、口音较重以及多人同时说话的情况下，准确度会下降，因此请将输出结果视为需要校对的高质量初稿。
支持的文件
支持 MP3、WAV、M4A、AAC、FLAC、OGG 以及大多数视频文件中的音频。导出 .txt、.srt 和 .vtt 格式。
我的文件会被上传吗？
不会。模型完全使用 WebAssembly 在你的浏览器中运行——录音内容会保留在你的设备上。
常见问题
- 处理时间很长
- 这对于 WASM 上的长文件来说是正常现象。请使用 Tiny 模型，或拆分音频并只转录所需的部分。
- 检测到的语言不对
- 请明确设置语言，而不是保持自动检测。
- 下载进度条似乎卡住了
- 模型文件有数十兆字节大——在较慢的网络连接下请多等一会儿。这种情况对每种模型大小只会发生一次。
如何 音频转文字
- 1
添加音频
放入 MP3、WAV、M4A 或语音备忘录 —— 在浏览器中转写。
- 2
选择模型和语言
Base 更准确，Tiny 更快。自动检测会处理语言，或你自行选择。Whisper 模型只下载一次，之后可离线使用。
- 3
转写并导出
点击“转写”，然后将结果复制或下载为文字、SRT 或 VTT。
音频转文字 — 常见问题
我的音频会被上传吗？+
不会。Whisper 使用 WebAssembly 在你的浏览器中本地运行 —— 文件保留在你的设备上。
音频可以多长？+
没有硬性限制，但它在内存中处理，且在 WASM 上转写大约以 1–5 倍实时速度运行，因此一小时的录音可能需要一段时间。Tiny 比 Base 快。
它会加标点和分段吗？+
Whisper 会加标点和大小写。它不做说话人标注（分离）或分段结构。
它能翻译吗？+
可以 —— 勾选“翻译成英文”，非英语语音会直接被转写为英文。
你们会把我的文件上传到服务器吗？+
不会——这里的每个工具都完全在你的设备上处理文件，不会向服务器上传任何内容。唯一的例外是 AI 工具，它们会把提取的文本（而非文件本身）发送给 Claude 来完成工作。
有文件大小限制吗？+
我们没有人为设置限制，但由于处理过程在你的浏览器中进行，非常大的文件（超过 500MB 或 1000 页）会受到你设备内存的限制，而非我们的限制。
Advertisement