PDFCure
所有工具

转录视频并生成字幕，免费

用 Whisper 将视频的语音转写为文字和字幕（SRT/VTT）—— 在浏览器中处理，不上传。

大多数工具完全在您的设备上运行

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

关于在浏览器中转录视频

这可以将视频中的语音转换为文字——以及 SRT 或 VTT 字幕文件——而无需上传任何内容。它通过 WebAssembly 在你的浏览器中本地运行 OpenAI 的 Whisper 模型，因此音频会从你的视频中解码、重新采样，并完全在你的设备上输入给模型。

首次选择模型大小时会有一次性下载：Tiny 大约 40MB，Base 大约 80MB（均为量化版本）。此后浏览器会缓存这些权重，因此后续运行会立即开始，甚至可以离线工作。对于清晰的语音，Base 是更好的默认选择；Tiny 则用准确度换取速度，适合快速粗略浏览或设备较慢的情况。Whisper 会添加自己的标点和大小写，自动检测语言（或你也可以手动设置），并能直接将非英语语音翻译成英语。

这无法替代人工转录员：在口音较重、多人重叠说话以及背景音乐和低质量音频的情况下，可能出现错误，而且请注意它不会标注是谁在说话。对于字幕而言，SRT/VTT 的时间信息来自 Whisper 的分段时间戳，通常已经足够接近，可以直接使用，有时需要稍作微调。

如何 视频转文字

  1. 1

    添加视频

    放入带音轨的 MP4、MOV 或 WebM —— 在浏览器中读取，绝不上传。

  2. 2

    选择模型和语言

    Base 更准确，Tiny 更快。语言保持自动检测或自行设置。模型只下载一次（约 40–80 MB），之后会缓存。

  3. 3

    转写并导出

    点击“转写”；完成后将转写内容复制或下载为纯文本或 SRT、VTT 字幕。

视频转文字 — 常见问题

我的视频会被上传吗？+

不会。转写模型（OpenAI 的 Whisper）通过 WebAssembly 完全在你的浏览器中运行。视频绝不离开你的设备。

为什么有一次性下载？+

Whisper 的模型权重（Tiny 约 40 MB，Base 约 80 MB，已量化）会在你首次使用该尺寸时下载，之后浏览器会缓存它们 —— 此后可离线运行并瞬间启动。

它有多准？+

对于受支持语言的清晰语音，Base 表现稳健；Tiny 明显更粗糙但快得多。两者在浓重口音、说话重叠、背景音乐和低质量音频下都吃力 —— 请校对输出。

我能导出什么？+

纯文本，或带时间轴的 SRT、VTT 字幕。SRT/VTT 的时间来自模型的分段时间戳。

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。