MP3转文字
上传讲座、采访、会议或播客的MP3，即可把其中的语音转成可搜索、可编辑、可引用的文字。记笔记选纯文本，需要修改选Word，文字要和视频画面同步时选SRT或VTT。
音频转文字
或将MP3, WAV, M4A … 文件拖放到此处 ·
单个文件最大 95 MB· 最多 20 个文件· 30 分钟后删除
文件在我们的服务器上处理，并在 30 分钟后删除。
超过此长度的字幕行会被拆分。42 是常见的广播标准。
可选。填写秒数（如 75）或分:秒（1:15）。留空则从头开始转写。
可选。格式与开始时间相同。留空则转写到结尾。
使用方法
- 1
上传MP3
拖入一个或多个 MP3 文件，每次最多 20 个，单个文件不超过 95 MB。M4A、WAV、MP4 等其他音频和视频文件也可以。
- 2
设置语言和输出格式
语音语言默认为自动检测，会根据开头 30 秒判断语种。如果录音以音乐开头，请自行选择语言。输出默认为纯文本，也可按需改为 Word、PDF、SRT 或 VTT。
- 3
转写并下载
点击转写，然后下载转写结果。如果需要查找段落或区分不同的声音，请先在高级设置中开启时间戳或说话人标记。
把 MP3 转写成文字，能把几分钟的聆听变成几秒钟的阅读：可以搜索词语、复制引文，或把文字交给无法播放音频的人。
为什么要把MP3转成文字
大多数录音笔、手机录音应用和播客工具导出的都是 MP3，所以它通常就是你手头现成的文件。学生把课堂录音转写成文字，方便对照笔记复习；记者从采访中摘取准确的引语；研究人员对焦点小组访谈进行编码；播客主发布文字稿，让节目更容易被搜索引擎找到，也方便听障人士阅读。
输出格式决定了你接下来能做什么。纯文本（TXT）可粘贴到任何地方。Word（DOCX）便于编辑和批注。PDF适合不希望被改动的转写稿。SRT 和 VTT 是带时间轴的字幕文件，JSON 则为开发者列出每个词及其时间。
如果录音在视频里，可以直接上传视频，系统会转写其中的音轨。如果视频太大无法上传，也可以先用 MP4转MP3 提取声音。
- 个文件/批
- 20
- 每个文件
- 95 MB
- 种语言，另有自动检测
- 33
- 后删除上传文件
- 30 分钟
影响MP3转文字准确率的因素
- 多人同时说话
- 两个声音同时出现是最难处理的情况。圆桌讨论和餐桌上的录音，在人们互相打断的地方丢字最多。
- 背景声音
- 音乐、车流和空调声都会干扰人声。安静的房间比昂贵的麦克风更重要。
- 电话和通话录音
- 传统电话线只传输很窄的频段，辅音会变得模糊。通话录音需要做更多修改。
- 语言设置错误
- 如果文件以音乐开头或中途切换语言，自动检测可能判断有误。自行设置语音语言即可解决。
MP3转带时间戳的SRT字幕
1 00:00:01,200 --> 00:00:04,050 欢迎回到节目。 2 00:00:04,300 --> 00:00:07,900 今天我们聊聊家庭录音。
SRT 源自 Windows 字幕工具 SubRip，是接受度最广的字幕格式：包含序号、开始和结束时间（毫秒前用逗号）以及字幕文字。VTT 即 WebVTT，是 W3C 为网页视频播放器制定的版本，毫秒前用句点而不是逗号。两者都是纯文本，听错的词可以用任何编辑器修改。
字幕默认每行 42 个字符换行，这是 Netflix 等专业字幕规范对大多数拉丁字母语言采用的上限。如果你想在文档里而不是字幕文件中加入时间标记，请选择 TXT、Word 或 PDF 并开启时间戳，每个段落前会加上类似 [01:15] 的标记。已经有字幕、只想要纯文本？用 SRT转TXT 可去掉序号和时间。
MP3转文字常见问题
MP3转文字的准确率有多高？
准确率主要取决于录音质量，而不是文件格式。单人声音清晰、靠近麦克风时，转写效果很好；电话通话、嘈杂的咖啡馆或多人同时说话，则会出现更多错误。引用之前，请务必通读一遍转写文本。
很长的MP3能只转写其中一段吗？
可以。在高级设置中填写开始时间和结束时间，格式为秒数或分:秒，例如 12:30 到 18:00。只会转写这一段，当你只想从一段长访谈中找某个答案时会更快。
做YouTube字幕应该选哪种输出格式？
选择 SRT 或 VTT。两者都为每一行字幕记录开始和结束时间，上传字幕文件时 YouTube Studio 都支持。将每行字符数保持为 42，这样每条字幕在屏幕上可分成两短行显示。
JSON输出包含哪些内容？
JSON 会列出每个词及其开始和结束时间。开发者可用它制作可交互的转写稿、在音频中搜索，或按精确的词语剪出片段。若是用来阅读，TXT 或 Word 更方便。
MP3超过95 MB怎么办？
语音不需要很高的码率。可用音频压缩将文件重新编码为 64 kbps 单声道，长录音的体积会缩小数倍，且不影响转写效果，然后上传压缩后的文件。
能区分是谁在说话吗？
开启说话人标记后，转写文本会用“说话人 1”“说话人 2”等标出声音的切换。它并不知道具体姓名，因此之后请在 Word 中把标记替换为真实姓名。
- M4A转文字将iPhone语音备忘录等M4A录音转成文字，带时间戳和说话人标注。支持33种语言，可导出TXT、Word、PDF或字幕，无需注册。
- TXT转SRT字幕转换器将纯文本文字稿转换为SRT字幕文件。每行生成一条字幕，时长由您设定，可直接在字幕编辑器中微调。
- MP4转MP3免费将MP4转MP3：从视频中提取声音，保存为任何手机、车载音响或播放器都能播放的MP3。可选码率、剪切片段，一次批量处理20个文件。
- SRT转TXT将SRT字幕文件转换为纯文本。自动去除序号和时间码，把字幕行合并成段落，也可按需保留时间戳。
- VTT转SRT字幕格式转换将YouTube、Zoom或Teams导出的WebVTT字幕转换为SRT，用于Premiere Pro、DaVinci Resolve、VLC和电视。了解哪些VTT功能SRT无法保留。