WAV 转文字工具
上传一个 WAV，也就是录音机和剪辑软件导出的格式，拿回带时间戳和说话人的转写稿。点击任一段落听它，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 WAV 转成文字
不装软件。WAV 原样上传；如果超过 50 MB，下一节会教你先缩成 MP3，转写稿一个字都不会变。结果在独立页面打开，播放器在顶部。
- 1
上传你的 WAV
拖入最长三十分钟、最大 50 MB 的文件。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 WAV 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回来。
- 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。
要多久？
大约是录音时长的十分之一。三分钟的片段几秒钟回来，三十分钟的采访两三分钟。处理时页面有计时器。
02—关于格式
什么是 WAV 文件，它为什么这么大？
WAV 是未压缩的 PCM 音频，是现场录音机、Audacity、所有 DAW 和多数电话系统的默认导出格式。它把麦克风听到的每一个采样逐个存下来，所以是你能带到 WAV 转文字工具的质量最高的文件，也是体积最大的。
| 录音设置 | 每分钟体积 | 50 MB 能装 |
|---|---|---|
| 48 kHz · 24 位 · 立体声（录音棚） | ≈ 17 MB | ≈ 3 分钟 |
| 44.1 kHz · 16 位 · 立体声（CD 品质） | ≈ 10 MB | ≈ 5 分钟 |
| 16 kHz · 16 位 · 单声道（语音） | ≈ 1.9 MB | ≈ 26 分钟 |
| 同一段音频转成 128 kbps 的 MP3 | ≈ 1 MB | ≈ 50 分钟 |
采样率和位深不会改变转写稿
引擎在听之前会把每个文件降到语音采样率，所以 48 kHz、24 位的录音棚 WAV 并不比 16 kHz 单声道多出任何可用的词。改变转写稿的是房间、麦克风距离和多人抢话。大 WAV 里多出来的数据是给混音用的，不是给转写用的。
先转成 MP3，什么都不会丢
如果 WAV 超过 50 MB 或三十分钟，在 Audacity 里导出为 128 kbps 的 MP3，或者下次采访时把录音机设成 MP3 模式。转写稿完全一样，上传快十倍左右。本来就在限制内的 WAV 原样上传即可。
文件名会变成什么
录音机或 Audacity 给文件起的名字，常常是 ZOOM0012.WAV 这类，会成为转写稿的标题和每个导出文件的名字。上传前改个名，或者之后一键给转写稿改名。
单声道还是立体声？
转写只需要单声道。左右声道各一人的立体声采访也没问题，因为引擎靠声音而不是靠声道区分说话人。
03—点击段落
点击任一段落，听它
录音机上一个小时的文件，为了一句话拖来拖去太费劲。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
录音播放时，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，从文件里测出来而不是按语速估算，所以你贴进剪辑记录的时间点是准的。
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
WAV 转写稿会给你什么
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。
转写稿放在哪里
每次转写连同音频会在历史记录里保留三十天，你可以重新打开页面、再播放、之后再导出。上传的 WAV 不会保存在其他任何地方，删掉转写稿会把两者一起删除。
05—WAV 从哪来
WAV 文件都从哪里来
WAV 是专业设备和剪辑软件默认写出的格式，所以它通常来自四个地方。每一处都有一个值得在下次录音前知道的设置。
现场录音机
Zoom、Tascam 和 Sony 的录音机出厂就写 WAV，录音乐正合适，录采访就太重了。它们多数也有 MP3 模式，录语音时切过去，转换这一步直接省掉。
Audacity 和 DAW
剪掉杂音、修好一段之后，导出对话框默认是 WAV。文件是拿去转写的话就选 MP3，转写稿一样，体积只有十分之一。
电话系统和通话录音
客服热线和电话采访通常导出 8 kHz 的窄带 WAV，体积小，能正常转写。因为它们往往又薄又吵，先过一遍人声分离，转写稿会明显更好。
录音棚和配音条
播客录音棚和配音会留下又大又干净的 WAV。一条录音的转写稿就是文稿，可以直接送去文字转语音或克隆声音补一句，不用再订一次棚。
它做不到的事
它不会转写根本听不清的词，不翻译音频本身，也不是实时字幕。它处理你已有的 WAV 文件，单个最大 50 MB、最长三十分钟；更大的先缩成 MP3，或在自然停顿处分段。
06—常见问题
常见问题
什么是 WAV 文件？
未压缩的 PCM 音频，是录音机、Audacity、DAW 和电话系统的默认导出格式。它保留麦克风采到的每一个样本，所以听起来最好，也最占空间。
能把 WAV 转成文字吗？
能。上传 WAV，点击「开始转写」，转写稿会带着时间戳和说话人标签打开。点击任一段落听它，然后下载成文本或字幕。
我的 WAV 超过 50 MB 怎么办？
在 Audacity 或任何编辑器里导出为 128 kbps 的 MP3，CD 品质的 WAV 会缩小约十倍；或者在自然停顿处分成两个文件。两种做法转写稿完全一样。
转写前要先把 WAV 转成 MP3 吗？
只有超过大小或时长限制时才需要。在限制内的 WAV 原样上传即可。真要转的话，转写不会有任何损失，因为引擎本来就在语音采样率下工作。
采样率或位深会影响准确率吗？
不会。同一条录音的 48 kHz、24 位文件和 16 kHz、16 位文件，转出来的稿子一样。改变它的是麦克风距离、背景噪音和多人抢话。
会区分说话人吗？
会。每一轮归到一个你可以重命名的说话人，单声道和立体声文件都一样。单人录音不显示标签。
能把 WAV 转成 Word 吗？
下载纯文本导出，粘贴到 Word 或 Google 文档；想在文档里保留时间就用带时间戳的导出。段落已经按说话人停顿或换人分好。
能转写存成 WAV 的歌曲吗？
引擎是为说话人声设计的，混音后的歌曲转出来会断断续续。先用人声伴奏分离拆开，再转写分离出来的人声轨，效果好得多。
07—更多工具
更多音频工具
WAV 是录音棚的格式；AnyVoice 的其他工具负责其他格式，以及拿到转写稿之后能做的一切。