上传音视频
选择一个声音清晰且时长不超过 2 小时的支持格式文件。
语音转文字
上传一个音频或视频文件，自动识别人声并生成可下载的 UTF-8 TXT 文本。
- 常见音视频格式
- 多语言识别
- 本地模型处理
- UTF-8 文本结果
拖拽一个音频或视频到这里，或点击选择文件
- 支持 WAV、MP3、M4A、MP4、FLAC，单文件不超过 200MB、时长不超过 2 小时
- 建议选择声音清晰、背景噪声较少且人声可辨的媒体文件
- 请勿上传无权处理或包含不必要敏感信息的录音与视频
正在准备上传…
HOW IT WORKS
三步完成 语音转文字
选择识别语言
使用自动识别，或根据主要人声指定一种支持的语言。
下载转写文本
任务完成后下载 UTF-8 TXT，并结合原媒体核对内容。
关于工具
把音视频中的人声整理成文本
格式王语音转文字工具支持 WAV、MP3、M4A、MP4 和 FLAC，可自动识别语言，也可指定普通话、粤语、英语、日语等语言后生成 TXT 文本。适合整理会议、采访、课程和语音备忘；强噪声、多人重叠说话、口音、专有名词或低码率录音可能产生识别差异，结果建议结合原媒体人工核对。
强噪声、多人重叠说话、口音、专有名词和低码率录音可能产生识别差异；结果建议结合原媒体人工核对。
常见音视频格式
支持 WAV、MP3、M4A、MP4 和 FLAC 单文件转写。
多语言识别
支持自动识别，也可指定普通话、粤语、英语等语言。
本地模型处理
由已部署的 GPU 识别服务处理，不依赖第三方在线转写接口。
UTF-8 文本结果
生成标准 TXT 文件，便于复制、检索和继续整理。
USE CASES
语音转文字适合哪些场景
会议记录整理
把会议录音转成初稿，便于检索重点和继续校对。
采访素材转写
将采访音频或视频中的人声整理为可编辑文本。
课程内容回顾
把课程录音转成文本，用于定位知识点和制作笔记。
语音备忘归档
将个人语音备忘转为 TXT，便于后续分类和搜索。