語音轉文字
利用人工智慧將語音轉換為文字——完全在您的瀏覽器中進行。選擇一段錄音，選擇模型大小，即可獲得一份文字稿，您可以將其複製或下載為 TXT、SRT 或 VTT 格式的字幕。您的音訊內容不會上傳：語音模型只需下載一次，然後在您的裝置上執行，因此無需建立帳戶、沒有使用時間限制，也沒有任何檔案儲存在任何人的伺服器上。
第一次使用時，系統會下載一個 77 MB 的語音模型，然後您的瀏覽器會將其快取起來。
更多轉錄工具
同樣的私有、內嵌式引擎，針對特定任務進行優化：
如何將音訊轉換為文字
- 您可以加入音訊或視訊檔案，例如 MP3、WAV、M4A、FLAC 等，大多數的錄音格式都可以使用。
- 選擇模型大小和語音語言（或讓系統自動偵測），然後點擊「轉錄」。
- 觀看文字內容的即時顯示，然後將其複製或下載為 TXT、SRT 或 VTT 格式。
關於這個語音轉文字轉換器
這個工具可以直接在您的瀏覽器中執行 OpenAI 的開源 Whisper 語音辨識模型。第一次執行時，它會下載您選擇的模型（41～249 MB），並將其快取，因此後續的轉錄作業將不再需要等待。您的錄音內容不會儲存、追蹤或傳送到任何伺服器。
這款軟體提供三種不同的模型大小，讓您可以根據需求調整速度與精準度：快速模式適合快速記錄筆記，平衡模式適用於大多數錄音，精確模式則適用於需要精確記錄每一個字的情況。軟體會將錄音內容分割成帶有時間戳的片段，並以 SRT 或 VTT 格式輸出字幕檔案，您可以直接將這些檔案導入影片編輯軟體或播放器中使用。此外，翻譯功能還可以將任何支援語言的語音轉換為英文文字。
常見問題
我的錄音有上傳到任何地方嗎？
不，轉錄過程完全在您的瀏覽器中進行，使用本地的 AI 語音模型（OpenAI 的開源 Whisper）。您唯一需要下載的是模型本身——您的音訊資料永遠不會離開您的裝置，您可以在瀏覽器的網路面板中驗證這一點。
支援哪些語言？
這個模型支援多種語言，並且可以辨識大約 99 種語言的語音，包括英語、西班牙語、中文、法語、德語、葡萄牙語、日語和印尼語。您可以讓系統自動偵測語言，或者明確指定語言，以獲得稍微更好的辨識準確度。此外，您也可以將任何支援語言的語音直接翻譯成英文文字。
它的準確度如何？
在語音清晰的情況下，這款軟體非常好用，而且較大型的型號在效能上明顯更好。如同所有語音辨識軟體一樣，它在背景噪音過大、口音強烈、多個說話者同時發聲或播放音樂時，辨識效果會受到影響，而且在長時間的靜默期間，它可能會自行生成文字——因此，在發布之前，務必先快速瀏覽結果。
轉錄需要花費多少時間？
這取決於您的裝置和模型大小：錄音會在本機進行處理，通常在配備「平衡」模型的現代筆記型電腦上，處理速度會比即時速度快幾倍。較大的檔案自然需要較長的處理時間——請在處理過程中保持視窗開啟。