本地音訊轉錄

免費將音訊轉成文字

免費將錄音、訪談與 Podcast 轉成可編輯文字,支援匯出 TXT、SRT 和 VTT。AI 語音辨識在瀏覽器本機執行,音訊不需上傳。

音訊留在你的裝置上,語音辨識在瀏覽器中完成。

本地辨識無需上傳免費使用

將音訊檔案拖到這裡

MP3 · WAV · M4A · AAC · OGG · FLAC,實際支援取決於瀏覽器的解碼能力

適合先試用。模型權重下載約 40–150 MB,具體取決於處理方式。嘈雜或多語言錄音可能漏字,需要重聽校對。

自動模式將使用 CPU:瀏覽器無法確認有合適的獨立顯示卡。你仍可手動選擇 GPU。

自動模式從首個含語音的片段判斷語言,後續使用同一語言轉錄。判斷不明確時,請手動選擇音訊語言。首次使用需要下載模型和執行元件,重新轉錄會替換目前文字。

中文辨識與簡繁字形分開處理。可選擇簡體或繁體,顯示、複製和匯出保持一致。轉錄完成後也能切換,無需重新辨識音訊。

首次使用需要從 Hugging Face 下載模型。瀏覽器可能保留模型供下次使用。

如何將音訊轉成文字

1

選擇錄音

選擇裝置上的音訊檔案,或從 FlowPick 音訊下載結果繼續操作。錄音在本地讀取。

2

辨識語音

選擇音訊語言與模型,開始轉錄。首次使用會下載模型,長錄音按段處理。

3

校對並匯出

按時間重聽,修改辨識文字。匯出 TXT 用於筆記,或匯出 SRT、VTT 用於字幕製作。

不上傳的音訊轉文字

把 MP3、WAV、M4A 錄音轉成文字

這個線上音訊轉文字工具在瀏覽器中執行 Whisper 語音辨識模型,錄音不會發送到轉錄服務。可以選擇音訊語言或讓自動模式判斷,再選擇輕量或標準模型;辨識完成後對照音訊修改文字並匯出。首次使用需要下載模型,辨識速度取決於你的裝置,瀏覽器支援時可以選擇 GPU 加速。

MP3 轉文字 · WAV 轉文字 · 語音備忘錄轉文字 · Podcast轉文字 · 訪談整理 · SRT、VTT 字幕

哪些音訊檔案可以轉成文字?

只要瀏覽器能夠解碼,就可以作為輸入。辨識效果取決於語音本身,而不是容器格式,因此轉換格式並不一定會讓文字更準確。

音訊輸入常見來源說明
MP3Podcast、手機和其他應用的匯出體積小,解碼支援最廣
WAV錄音筆、已編輯或轉換的音訊體積大,但解碼最穩定
M4A / AACiPhone 語音備忘錄和手機錄音手機常見,解碼取決於瀏覽器
OGG / Opus網頁和語音聊天匯出語音壓縮效率高,瀏覽器支援不一
FLAC無損存檔錄音體積更大,解碼需要更多記憶體

讓錄音更方便查閱

訪談整理

在錄音中定位講話內容,邊聽邊校對人名和專業術語。目前版本不會自動標註說話人。

Podcast文本

把Podcast音訊轉成可查詢、引用和編輯的文字。輸出為轉錄原文,不會自動生成摘要。

課程與語音錄音

為口頭講解保留文字記錄。清晰語音和匹配的語言設定有助於辨識,重要資訊仍需核對。

字幕準備

匯出帶時間位置的 SRT 或 WebVTT 字幕。釋出前請在影片編輯器中校對文字和字幕時間。

支援格式與使用限制

MP3、WAV、M4A、AAC、OGG 和 FLAC 的實際支援取決於編碼及瀏覽器解碼器。辨識使用你的裝置計算,長錄音可能需要較多時間與電量。工具使用有重疊的分段處理,控制音訊解碼的記憶體佔用,但模型本身仍需要記憶體。小模型可能誤辨識口音、輕聲、音樂和多人同時講話。使用前請校對文字與時間。工具不會上傳媒體或逐字稿字,下載模型需要聯網。

音訊轉文字常見問題

可以把 MP3 轉成文字嗎?

可以,前提是瀏覽器能夠解碼這個 MP3 檔案。選擇錄音和音訊語言後開始轉錄,校對後可匯出 TXT、SRT 或 VTT。

錄音會上傳嗎?

不會。檔案讀取和語音辨識都在瀏覽器中進行。工具會下載模型和執行元件,但不會把音訊或轉錄結果傳送到轉錄服務。

可以離線使用嗎?

首次使用需要聯網載入工具、執行元件與模型。模型快取可供後續複用,但目前版本不保證完全離線可用,瀏覽器也可能清除快取。

支援哪些語言?

自動模式從首個含語音的片段判斷語言,並在後續轉錄中保持一致。多語言混合或判斷不明確時,建議手動選擇。中文結果可選擇簡體或繁體輸出,這隻轉換字形,不翻譯語音內容。

能區分不同說話人嗎?

目前版本提供帶時間位置的文字,不做說話人辨識。你可以編輯文字,手動補上姓名。

取消後會怎樣?

後臺任務停止並釋放資源,已完成的部分保留,可以繼續修改和匯出。再次轉錄會從頭開始,並替換目前文字。

這個音訊轉文字工具免費嗎?

免費使用,也不需要註冊賬號。辨識在你自己裝置上完成,聯網只用於首次下載模型和執行元件。

可以把語音備忘錄轉成文字嗎?

可以,前提是瀏覽器能夠解碼這個檔案。手機匯出的 M4A、AAC 語音備忘錄通常可用。選擇檔案並設定音訊語言,修改文字後可匯出 TXT、SRT 或 VTT。

可以轉錄影片裡的音訊嗎?

可以直接使用影片轉文字工具,匯入影片並辨識主音軌,無需先擷取音訊。如果只需要單獨的音訊,也可以使用音訊擷取器後繼續轉錄。

轉錄結果準確嗎?

輕量和標準模型適合整理內容,但不保證準確。清晰語音、單一說話人和正確的語言設定效果最好。口音、背景噪聲、音樂、多人同時講話和專業術語可能辨識錯誤,使用前請核對文字。

錄音最長可以多長?

檔案不會上傳,因此沒有固定的時長上限。長錄音會按段處理,可能需要較長時間、較多記憶體和電量。檔案很長時,建議先用音訊剪輯器只保留需要轉錄的部分。

可以用來做影片字幕嗎?

可以。修改各段文字後匯出 SRT 或 WebVTT,再匯入影片編輯器或上傳平臺。時間位置為近似值,釋出前請在時間軸上核對文字和時間。

更多音訊工具