录音留在自己的设备
本地识别不会把所选录音或文字发送到云端识别服务。采访素材、工作录音和个人语音备忘录，都可以按自己的方式保存。
Whisper 语音识别 · 音频转文字 · 视频字幕
免费音频转文字，免费视频字幕生成。
基于 Whisper 在本地识别，校对后免费下载 TXT 文稿或 SRT、VTT 字幕。无需注册，录音留在自己的设备。
MP3 · MP4 · WAVTXT · SRT · VTT
全部工具本地文件文字与字幕
把音频或视频拖到这里
MP3 · WAV · M4A · MP4 · WEBM · MOV · OGG · OPUS · AAC · FLAC · 最多 200 MB / 20 分钟
只在你的浏览器处理，不上传文件无需注册 · 免费导出
01 / 识别模型
基于 Whisper 的语音转文字
围绕 Whisper 模型打造的免费音频转文字与字幕工具。
Whisper 是什么？
Whisper 是 OpenAI 开源的语音识别模型，能够识别多种语言的语音，并将其转成文字。它负责识别说了什么，声笺则把文件选择、文字校对与字幕导出放进一个容易使用的网页。
一段访谈、一份课堂录音，或视频里的对话，都可以成为文字稿的来源。转录后，你可以搜索关键内容、整理引用，或继续制作字幕。
了解 Whisper 模型（官方项目）02 / 本地处理
为什么选择浏览器本地转录？
打开网页就能开始，把操作和素材留在自己手边。
少一些安装和设置
不必安装桌面转录软件，也不需要填写开发者接口密钥。首次使用需要下载模型，后续能否复用缓存取决于浏览器存储。
按设备能力选择处理方式
本地识别占用算力和内存，可优先使用显卡加速或选择已经测试的 CPU 路径。录音越长、模型越大，等待通常越多。
完整转录已在 macOS 的桌面 Chrome 验证。手机页面适配不代表手机实机识别通过；请先用清晰短录音测试。
03 / 完整流程
围绕一份可用的文字稿，做好每一步
语音识别、内容校对、格式导出，组成完整的转录流程。
用 Whisper 识别语音
把录音整理成原语言文字，生成后检查人名、数字、口音与专业词汇。
在浏览器里本地处理
无需账号，录音留在自己的浏览器。网页、程序和公开模型仍需要联网下载。
从录音到视频字幕
识别兼容视频的音轨并整理字幕分段，在页面中预览字幕，原视频不修改。
校对后再导出
修改文字和起止秒数，回听单段，再下载 TXT 文稿或 SRT、VTT 字幕。
04 / 语音语言
不同语言的录音，也能整理成文字
录音语言和网站显示语言是两项独立设置。
- 中文
- 英语
- 西班牙语
- 葡萄牙语
- 法语
- 德语
- 日语
- 韩语
中文采访整理成中文稿，英语播客转成英文稿。可自动识别或手动指定录音语言。不同语言、口音和型号的效果有差异；可免费选择翻译成英文，但不支持其他目标语言或视频配音。
从你要做的事开始
转文字、做字幕、换字幕格式，每个入口专注一件事。
音频转文字
将访谈、课堂和语音备忘录转成可编辑文字，在浏览器内完成校对与导出。
MP3 · WAV · M4A · WebM · OGG · OPUS · AAC · FLAC视频转文字
识别本地视频中的声音，整理成文稿，方便检索对话和编辑内容。
MP4 · WebM · MOV → TXT自动生成字幕
从音频或视频生成原语言字幕，校对分段和时间，并下载 SRT 或 VTT。
音视频 → SRT · VTTMP3 转文字
将 MP3 播客、访谈和录音整理成文字，校对后下载文稿或字幕。
MP3 → TXT · SRT · VTTWAV 转文字
把 WAV 原始录音转成文字，适合采访素材、课堂录音和录音设备导出的文件。
WAV → TXT · SRT · VTTSRT 转 VTT
把已有 SRT 字幕转为网页视频使用的 VTT，保留文字与毫秒时间。
SRT → WebVTTVTT 转 SRT
将 VTT 字幕转换为常见 SRT 格式，供播放器和剪辑软件继续使用。
WebVTT → SRTSRT 转文字
去除 SRT 字幕的编号与时间码，导出方便阅读、搜索和整理的纯文字稿。
SRT → TXT语音录音转文字
把语音备忘录转成可编辑文字。可直接录音或选择本地文件，回听校对，再免费导出文稿，无需注册。
MP3 · WAV · M4A · WebM · OGG · OPUS · AAC · FLAC → TXTM4A 转文字
将 M4A 语音备忘录转成文字或带时间的字幕。录音留在本机，校对后导出 TXT、SRT 或 VTT。
M4A → TXT / SRT / VTTOGG 转文字
用 Whisper 在本机识别 OGG 语音录音，对照声音校对文字，并导出文稿或字幕。
OGG → TXT / SRT / VTTVTT 转文字
将已有 WebVTT 字幕免费提取为纯文字，在浏览器内移除时间码和格式标记，保留原文顺序。
VTT → TXTYouTube 视频转文字
免费将已保存的 YouTube 视频转成文字或字幕。选择本地 MP4、WebM、MOV，回听校对并导出 TXT、SRT、VTT；当前不支持直接粘贴视频链接。
MP4 · WebM · MOV → TXT / SRT / VTT几步操作，留下一份文字
把时间留给内容，操作可以更简单。
- 01
选择一段录音
选择本地音频或视频，先从清晰短片段开始。
- 02
回听，校对文字
对照原音频检查人名、数字和重要细节。
- 03
带走需要的格式
用文稿整理笔记，或将带时间轴的字幕导入播放器和编辑器。
使用场景
播客片段、会议录音、访谈与课程的具体处理方法。在本机校对，再导出文字或字幕。
常见问题
开始之前，把几个常见问题说明白。
声笺用的是 Whisper 模型吗？
是。通过 Transformers.js 在浏览器内运行 tiny、base 和 small 多语言型号。默认使用 base，tiny 下载更小，但更需要仔细校对。
免费版提供哪些功能？
本地转录、视频音轨识别、基础字幕校对、TXT/SRT/VTT 导出和字幕格式转换，均无需注册。
我的音频会被上传或保存吗？
不会。所选文件和结果留在浏览器；程序与公开模型需要联网下载。没有云端项目保存，离开前请先导出。
转录和翻译有什么区别？
转录把说出来的话写成原语言文字；翻译则改成另一种语言。本站可选择翻译成英文，不支持其他目标语言，也不会改变视频中的声音。
有噪声也能转录吗？
可以尝试，但噪声、音乐、重叠说话和专有名称可能导致错误。优先用清晰原始录音，重要内容需要回听校对。
使用指南
准备文件，检查结果，再下载需要的格式。
怎样使用 Whisper 本地转录
准备设备，了解首次模型下载，并保存本地识别结果。
把录音整理成可用的文字稿
选择清晰来源、设置录音语言、逐段校对，再选择合适的导出格式。
给视频生成并校对字幕
生成原语言字幕、检查时间，并导入你的播放器或剪辑软件。
SRT 和 VTT 字幕有什么区别
比较文件头、时间码、网页样式，以及转换时保留和丢失的信息。
如何把生成的字幕加到自己的 YouTube 视频
先在本机生成并校对 SRT，再到 YouTube 创作者后台，为你管理的视频添加字幕轨道。
如何为本地转录准备长录音
按 200 MB、20 分钟上限准备有序片段，记录原始时间位置，并保留完整录音。
网站语言、转录语言和字幕翻译有什么区别
分清页面显示语言、录音识别语言与翻译目标语言，避免在使用 Whisper 时选错。