使用Windows客户端享更佳合成体验
无损音质|极速合成|离线可用
下载客户端 查看更多

免费在线语音转文字

上传音频或直接录音，自动转成带时间戳的文字稿；支持 8 种语言与粤语、说话人分离，可一键导出 SRT / VTT 字幕。

立即开始 功能亮点
VIP会员 尊享全站资源免费下载
极速下载 千兆带宽，秒级响应
安全交易 担保交易，售后无忧
在线客服 7x24小时技术响应

在线语音转文字工具

支持「上传文件」与「实时录音」两种方式，转写结果可直接复制或导出字幕

拖放音频文件到此处，或

支持 MP3 / WAV / M4A / OGG / OPUS / FLAC / AAC 等格式，单文件 ≤ 50MB

点击录音按钮开始录制

准备录音
00:00 / 30:00

转换设置

自动区分「谁说了什么」，结果会带「说话人 N：」前缀

功能亮点

云音工坊主力录音识别模型，兼顾准确率、语种覆盖与字幕级时间戳

高精度中文识别

采用云音工坊音频识别模型，中文与常见方言识别准确率高，适合播客、访谈、会议录音。

8 种语言 + 粤语

中文、英文、粤语、日语、韩语、德语、法语、俄语，可指定语言也可交给模型自动判断。

说话人分离

开启后自动区分「谁说了什么」，文字稿与字幕都会带上「说话人 1 / 2」标记。

字幕级时间戳

返回句子级起止时间，可直接导出 SRT / VTT 字幕，也能拿到 verbose_json 做二次处理。

上传或直接录音

支持 MP3 / WAV / M4A / OGG / OPUS / FLAC / AAC 等格式，也可以直接在浏览器里录制。

用完即清

音频仅用于本次识别，随站点临时文件策略在 12 小时内自动清理，不做长期留存。

三步拿到文字稿

无需安装软件，浏览器打开即可使用

1

上传或录音

拖入音频文件，或切到「实时录音」直接对着麦克风说；单文件 ≤ 50MB。

2

选语言与格式

指定语言（或自动识别），需要区分说话人时打开开关，输出可选纯文本或字幕。

3

拿文字稿

提交后页面自动轮询进度，完成后一键复制文本或字幕，直接可用。

常见问题

使用前先看一眼，能省不少时间；其他问题欢迎联系客服

  1. 要收费吗？
    识别引擎按 0.00008 元/秒（仅计语音内容时长）计费，本站 VIP 会员可直接使用。
  2. 支持哪些格式与多大文件？
    MP3 / WAV / M4A / OGG / OPUS / FLAC / AAC / AMR / WMA / WEBM，单文件 ≤ 50MB。识别引擎本身支持到 2GB、12 小时，超长音频建议分段。
  3. 为什么提示「只支持公网可访问的音频地址」？
    paraformer-v2 是「提交任务 → 轮询结果」的异步接口，需要识别服务能直接下载到音频。本地 localhost 环境会返回这条提示，在正式域名下使用即可正常识别。
  4. 粤语和其他方言能识别吗？
    语言里可以明确选「粤语」；其余方言（吴语、闽南语、四川话等）在「中文」下由模型自动适配。
  5. 识别要等多久？
    短视频 / 短录音通常几秒到几十秒；时长越长等待越久。页面会自动轮询进度，最长等 5 分钟，超时后可重新提交。
  6. 我的音频会被保留吗？
    上传的音频存放在本站公开目录供识别服务下载，随临时文件策略在 12 小时内自动清理；转写文本只展示给你本人。