语音转文字
上传音频或视频，自动转成文字稿，支持多语种与字幕（SRT/VTT）导出。视频在你的浏览器本地抽取音频，原文件不上传。
⬆️
点击选择，或把音频 / 视频拖到这里
支持 mp4 / mov / mp3 / wav / m4a 等 · 单文件 ≤ 200MB · 视频在本地抽取音频，原文件不上传
识别模式
提示：首次使用某档模型，服务端会自动下载模型（需稍等）。
常见问题
支持哪些文件格式？
支持常见音频（mp3、wav、m4a、aac 等）与视频（mp4、mov、mkv 等）。视频会在你的浏览器本地抽取音频后再上传。
我的文件会被上传到服务器吗？
视频在你的浏览器本地抽取为音频，原视频不会上传；仅上传抽取后的音频用于识别，识别完成后服务端即删除。
支持哪些语言？
默认自动检测语种，并可手动指定中文、英文、日语、韩语等。中文会自动启用普通话与简体优化。
三种识别模式有什么区别？
快速（small）最快、适合长音频先出稿；标准（medium）平衡，推荐日常使用；高精度（large-v3）最准、适合正式字幕，但耗时更长。
探索更多 AI 工具与产品