選擇音訊或影片檔案
MP3、WAV、M4A、MP4、MOV、WebM —— 用 Whisper 在瀏覽器中轉錄
點擊選擇，或將檔案拖曳至此
也可以貼上（Ctrl+V / Cmd+V）
大多數工具完全在您的裝置上執行
Advertisement
關於在瀏覽器中轉錄音訊
這可以把音訊錄音——講座、訪談、語音備忘錄、播客——轉錄成文字和選擇性的 SRT/VTT 字幕，不需要把檔案傳送到任何地方。OpenAI 的 Whisper 模型會透過 WebAssembly 在你的瀏覽器中本機執行。
模型權重只會下載一次（Tiny 約 40MB，量化後的 Base 約 80MB），之後會被瀏覽器快取，所以之後的執行會立即開始，並能離線運作。Base 更準確；Tiny 更快。Whisper 會處理標點符號和大小寫，自動偵測所說的語言，並能在要求時把其他語言翻成英文。它不會標示說話者，也不會分段換行。
轉錄在 WebAssembly 上的執行速度大約是即時速度的 1 到 5 倍，所以長錄音需要一些時間——裁剪到所需的段落，或使用 Tiny 模型，可以加快處理速度。在音質較差、口音較重，以及多人同時說話的情況下，準確度會下降，所以請把輸出結果當成需要校對的高品質初稿。
支援的檔案
支援 MP3、WAV、M4A、AAC、FLAC、OGG 以及大多數影片檔案中的音訊。匯出 .txt、.srt 和 .vtt 格式。
我的檔案會被上傳嗎？
不會。模型完全使用 WebAssembly 在你的瀏覽器中執行——錄音內容會留在你的裝置上。
常見問題
- 處理時間很長
- 這對於 WASM 上的長檔案來說是正常現象。請使用 Tiny 模型，或把音訊分割，只轉錄所需的部分。
- 偵測到的語言不對
- 請明確設定語言，而不是維持自動偵測。
- 下載進度條似乎卡住了
- 模型檔案有數十 MB——在較慢的網路連線下請多等一會兒。這種情況對每種模型大小只會發生一次。
如何 音訊轉文字
- 1
加入音訊
放入 MP3、WAV、M4A 或語音備忘錄 —— 在瀏覽器中轉錄。
- 2
選擇模型與語言
Base 更準確，Tiny 更快。自動偵測會處理語言，或你自行選擇。Whisper 模型只下載一次，之後可離線使用。
- 3
轉錄並匯出
點擊「轉錄」，然後將結果複製或下載為文字、SRT 或 VTT。
音訊轉文字 — 常見問題
我的音訊會被上傳嗎？+
不會。Whisper 使用 WebAssembly 在你的瀏覽器中在本機執行 —— 檔案保留在你的裝置上。
音訊可以多長？+
沒有硬性限制，但它在記憶體中處理，且在 WASM 上轉錄大約以 1–5 倍即時速度執行，因此一小時的錄音可能需要一段時間。Tiny 比 Base 快。
它會加標點與分段嗎？+
Whisper 會加標點與大小寫。它不做說話者標記（分離）或分段結構。
它能翻譯嗎？+
可以 —— 勾選「翻譯成英文」，非英文語音會直接被轉錄為英文。
你們會把我的檔案上傳到伺服器嗎？+
不會——這裡的每個工具都完全在你的裝置上處理檔案，不會向伺服器上傳任何內容。唯一的例外是 AI 工具，它們會把擷取的文字（而非檔案本身）傳送給 Claude 來完成工作。
有檔案大小限制嗎？+
我們沒有人為設下限制，但由於處理過程在你的瀏覽器中進行，非常大的檔案（超過 500MB 或 1000 頁）會受你裝置記憶體的限制，而非我們的限制。
Advertisement