音频转文字
上传一段录音，拿回带时间戳和说话人的转写稿。点击任一段落就能听到它是在哪一秒说的，然后导出。
MP3、WAV、M4A 或 OGG · 最长 30 分钟
请上传你有权转写的录音。转写稿归你所有，音频处理后不保留。
点击任一段落即可听到对应位置。播放时，播放头所在的段落会高亮。你的转写稿就是这个样子。
01—使用方法
三步把音频转写成文字
不装软件，不排队，不用对着录音打字。转换器在浏览器里运行，转写稿在独立页面交给你，播放器在顶部，导出按钮在你预期的位置。
- 1
上传音频文件
拖入最长三十分钟的 MP3、WAV、M4A 或 OGG。上传前就会读出时长，页面会告诉你今天这次是免费的，还是要多少积分。
- 2
把音频转成文字
点击「开始转写」。引擎听一遍，写下每个词和它被说出的那一秒，并区分说话人。十分钟的文件通常一分钟内完成。
- 3
对照音频核对，然后导出
转写稿在播放器旁边打开。点击任一段落听它，搜索一句话，重命名说话人，下载纯文本、带时间戳的文本、SRT 或 VTT。
音频转文字要多久
大约是录音时长的十分之一。三分钟的语音备忘几秒钟回来，三十分钟的采访两三分钟。处理时页面有计时器，你不用猜。
02—基础概念
什么是音频转文字？
音频转文字（audio to text）是把一段完整录音转成转写稿的软件：每一个说出的词、说出的时刻，以及是谁说的。它处理的是文件而不是实时麦克风，所以在决定任何一个词之前，可以先读完整段录音。
音频转文字 vs. 听写
听写在你说话时打字，永远看不到完整的句子。转换器读完整个文件，所以标点落在正确的位置，含糊的词靠前后文判断，每一段都有真实的时间戳。这也是它能区分说话人的原因：先听完整段对话，再给每一段贴标签。
为什么录音比工具更重要
所有转写引擎处理的都是麦克风录到的内容。音乐、车流和房间回声都会丢词。如果文件很糙，先用人声分离清理，再转写干净的版本；转写稿的差别比换一个转换器的差别大得多。
你需要哪一个？
想靠说话打字，用手机或文档编辑器自带的听写。想把已有录音里的话连同时间和说话人一起拿出来，用这个转换器。
03—点击段落
点击任一段落，听它
大多数转换器给你一堵文字墙和一个分开的播放器，核对一个词就得拖进度条。这里，转写稿和音频是一体的，在同一页，每一段都知道自己属于哪一秒。
转写稿跟着播放头走
音频播放时，正在说的那一段会高亮并保持在视野里。点击另一段，播放就跳过去。核对一句引语只要两秒。
先搜索，再听
输入一句话，转写稿会筛出包含它的段落。点一下，你听到的就是那个时刻。
取自音频本身的时间戳
每段带着它开始的那一秒，是测出来的，不是按语速估算的。
可以重命名的说话人
两个声音会被标为说话人 1 和说话人 2。改一次名字，每一段和每个导出文件都会更新。
04—你会得到
音频转文字会给你什么
一次转换产出四个文件，全部来自同一组带时间的分段，所以纯文本、字幕和带时间戳的版本永远不会互相矛盾。
纯文本
在说话人停顿或换人的地方分段，可直接粘贴到笔记、文档或邮件里。
带时间戳的文本和字幕
同样的段落加上开始时间，或者导出为可以直接放到视频时间轴上的 SRT 和 VTT。
说话人标签
采访和通话回来时每一轮都标好了是谁说的，名字由你来定。
任意音频格式
播客的 MP3、录音笔的 WAV、iPhone 语音备忘录的 M4A、聊天软件的 OGG，转换器都能读。转换之前不需要先转格式。
05—示例
音频转文字的转写稿长什么样
这是一段三十秒双人录音的真实输出，不是效果图。时间戳标出每段开始的位置，说话人标签来自引擎，高亮的那一段就是播放头所在的位置。
怎么读这个示例
每一段是一个说话人的一轮发言，长的发言会拆成一两句。上一段结束到下一段开始之间的空隙，就是录音里的停顿。语气词保留着，因为把人修剪过的转写稿听起来谁都不像。
录音更糙时会有什么变化
引擎不太确定断点的地方段落会变长，生僻名字会按发音拼写，抢话的说话人可能共用一段。这些在转写稿视图里都能改，而且大部分靠先清理音频就能避免。
06—使用场景
人们都转换什么
凡是说过一次、需要被读、被搜、被引用很多次的内容，把录音转成文字就值得。下面是它最常做的六件事，以及时间戳和说话人标签分别带来了什么。
播客单集
为节目笔记摘引用，找到某个话题出现的那一分钟，给读者发一份文字稿。
采访与语音备忘
每个回答都有文字并标好说话人，需要核对引语时录音一点就到。
讲座与课程
录下来的课变成带时间戳的笔记，学生可以回到讲解某个概念的那一分钟。
会议
带说话人的转写稿就是谁承诺了什么的记录。搜一个名字或一个日期，而不是重放一小时。
字幕
导出 SRT 或 VTT，视频就有了字幕，不用对着时钟打字。
用你自己的声音念的稿子
转写稿就是一份文稿。送去文字转语音，或者克隆你的声音，听这些话用你的声音再读一遍，不用重新拿起麦克风。
它做不到的事
它不会转写根本听不清的词，不做翻译，也不是实时字幕。它处理的是你已有的文件，单个最长三十分钟；更长的录音在自然停顿处分成两段分别转换。
07—对比
音频转文字工具 vs. 人工听写 vs. 转写服务
把录音变成文字有三条路，速度、成本和拿到的东西各不相同。
| 音频转文字工具 | 自己打字 | 转写服务 | |
|---|---|---|---|
| 周转时间 | 一分钟内 | 录音时长的 4–6 倍 | 几小时到几天 |
| 时间戳 | 手动 | 有时 | |
| 说话人标签 | 手动 | ||
| 点击段落即可听 | |||
| 每十分钟的成本 | 每天免费，之后积分 | 你一小时的时间 | 按分钟收费 |
| 用你的声音读回来 |
转换器是正确的默认选择。只有录音糙到任何引擎都搞不定时才自己打字，只有交付物需要人工担保时才付费找服务。
08—最佳实践
拿到更干净的转写稿
引擎负责干活，但录音决定了之后要改多少个词。三个习惯覆盖了「改十分钟」和「改十秒钟」之间的大部分差距。
最大的一项改进
噪音。人声背后的车流、音乐或风扇会丢掉干净录音能留住的词。先把糙音频过一遍人声分离，大约一分钟，转写稿明显更好。
一支麦克风，离得近
四个人中间放一部手机录到的是房间。近比响重要。
让说话人说完
同时说话是任何转写引擎最难的情况。轮流说话的录音回来很干净；争得激烈的讨论，两个声音落在同一秒的地方需要再看一眼。
事后搜名字
生僻的名字和产品术语是转写稿最容易出错的地方。搜一下，改一次，导出。
09—常见问题
常见问题
音频转文字工具免费吗？
每个登录账号每天有三次免费转换，每次最长十分钟，所有导出格式都可用。付费套餐取消每日限制、单个文件最长三十分钟，按分钟扣积分。费率见定价页。
怎么把音频转写成文字？
上传文件，点击「开始转写」，通常一分钟内转写稿就绪。点击任一段落听它，然后下载成文本或字幕。
能转换哪些音频格式？
MP3、WAV、M4A 和 OGG，单个文件最大 50 MB、最长三十分钟。手机的语音备忘和播客下载文件可以直接用。
会加时间戳和说话人标签吗？
会。每段带着来自音频的开始时间，每一轮归到一个你可以重命名的说话人。单人录音不显示标签。
音频转文字的准确率如何？
一两个人的清晰录音，接近一个认真听写的人写下的结果。噪音、麦克风太远和多人抢话会降低准确率。先清理音频比什么都管用，转完后搜一遍名字能解决剩下的大部分。
能把视频转成文字吗？
暂时不能直接处理。先把视频的音轨导出为 MP3 或 WAV，转换它，再用 SRT 导出给视频加字幕。
支持哪些语言？
大多数常用语言，以原语言转写。语言自动检测。
我的录音会被保存吗？
转写稿和它的音频会在历史记录里保留三十天，方便你重新打开和导出，随时可以删除。上传的文件不会保存在其他任何地方。
10—读回来
转写稿就是一份文稿
文字落在页面上以后，AnyVoice 的其他工具可以把它再说一遍。