MP3 轉文字工具
上傳講座、訪談、會議或 Podcast 的 MP3，就能把說話內容轉成可搜尋、編輯和引用的文字。做筆記選純文字，要編輯選 Word，需要文字與影片同步時則選 SRT 或 VTT。
音訊轉文字
或將MP3, WAV, M4A … 檔案拖曳到這裡 ·
每個檔案最大 95 MB· 最多 20 個檔案· 30 分鐘後刪除
檔案會在我們的伺服器上處理，並於 30 分鐘後刪除。
超過此長度的字幕行會被拆開。42 是常見的廣播標準。
選填。可輸入秒數（例如 75）或分:秒（1:15）。留空表示從頭開始轉錄。
選填。格式與開始時間相同。留空表示轉錄到結尾。
使用方式
- 1
上傳 MP3
拖放一個或多個 MP3 檔案，每次最多 20 個，每個檔案最大 95 MB。M4A、WAV、MP4 等其他音訊與影片檔案也可以使用。
- 2
設定語言與輸出格式
語音語言預設為自動偵測，會聆聽前 30 秒來判斷。如果錄音一開始是音樂，請自行選擇語言。輸出預設為純文字，可依需求改選 Word、PDF、SRT 或 VTT。
- 3
轉錄並下載
按下轉錄後下載逐字稿。如果需要尋找段落或分辨不同說話者，請先在進階設定中開啟時間戳記或說話者標示。
轉錄 MP3 能把數分鐘的聆聽變成數秒的閱讀：可以搜尋字詞、複製引言，或把文字交給無法播放音訊的人。
為什麼要把 MP3 轉成文字
大多數錄音筆、手機錄音 App 和 Podcast 工具都是匯出 MP3，所以它通常就是你手上現成的檔案。學生把錄下的課程轉成文字來整理筆記，記者從訪談中擷取準確的引言，研究人員為焦點團體訪談編碼，Podcast 製作者則公開逐字稿，讓搜尋引擎能找到節目，也讓聽障或重聽的人能閱讀。
輸出格式決定你接下來能做什麼。純文字 (TXT) 可貼到任何地方。Word (DOCX) 方便編輯與加註解。PDF 適合不應被更改的逐字稿。SRT 和 VTT 是附有時間資訊的字幕檔，JSON 則為開發人員列出每個字及其時間。
如果錄音在影片裡，可以直接上傳影片，系統會轉錄其中的音軌。若影片太大無法上傳，也可以先用 MP4 轉 MP3 擷取聲音。
- 個檔案／每批
- 20
- 每個檔案
- 95 MB
- 種語言，另有自動偵測
- 33
- 後刪除上傳的檔案
- 30 分鐘
影響 MP3 轉文字準確度的因素
- 多人同時說話
- 兩個人同時說話是最困難的情況。座談會和餐桌錄音在大家互相插話的地方，漏掉的字最多。
- 背景聲音
- 音樂、車流和冷氣聲都會干擾語音。安靜的房間比昂貴的麥克風更重要。
- 手機與通話錄音
- 傳統電話線只傳送很窄的頻率範圍，子音會變得模糊。通話錄音需要修正的地方會比較多。
- 語言設定錯誤
- 如果檔案開頭是音樂或中途切換語言，自動偵測可能會誤判。自行設定語音語言即可解決。
MP3 轉 SRT 字幕（含時間戳記）
1 00:00:01,200 --> 00:00:04,050 歡迎回到我們的節目。 2 00:00:04,300 --> 00:00:07,900 今天要聊的是在家錄音。
SRT 源自 Windows 字幕工具 SubRip，是接受度最高的字幕格式：包含編號、開始與結束時間（毫秒前用逗號），以及字幕文字。VTT 即 WebVTT，是 W3C 為網頁影片播放器制定的版本，毫秒前改用句點。兩者都是純文字，因此聽錯的字可以用任何編輯器修正。
字幕預設每行 42 個字元換行，這是 Netflix 等專業字幕規範對大多數拉丁字母語言採用的上限。如果你想在文件中加入時間標記，而不是字幕檔，請選擇 TXT、Word 或 PDF 並開啟時間戳記，每個段落前會加上類似 [01:15] 的標記。已經有字幕、只需要純文字嗎？SRT 轉 TXT 會移除編號和時間。
MP3 轉文字常見問題
MP3 語音轉文字的準確度如何？
準確度主要取決於錄音品質，與檔案格式關係不大。單一人聲、靠近麥克風的清晰錄音，轉錄效果很好；電話通話、吵雜的咖啡廳，或多人同時說話，錯誤就會變多。引用內容前，請務必先把逐字稿讀過一遍。
很長的 MP3 可以只轉錄其中一段嗎？
可以。在進階設定中輸入開始時間和結束時間，格式為秒數或分:秒，例如 12:30 到 18:00。只會轉錄這一段，當你只想從冗長的訪談中找出一個答案時會更快。
製作 YouTube 字幕該選哪種輸出格式？
選 SRT 或 VTT。兩者都會為每一行標示開始與結束時間，上傳字幕檔時 YouTube Studio 也都接受。請將每行字數維持在 42，這樣每則字幕在畫面上可分成兩短行。
JSON 輸出包含哪些內容？
會列出每個字及其開始與結束時間。開發人員可用來製作互動式逐字稿、在音訊中搜尋，或精準地依字詞剪出片段。若是要閱讀，TXT 或 Word 會更方便。
MP3 超過 95 MB 怎麼辦？
語音不需要很高的位元率。請用音訊壓縮以 64 kbps 單聲道重新編碼，長時間的錄音可縮小好幾倍，而且不影響轉錄，再上傳較小的檔案即可。
能辨識是誰在說話嗎？
開啟說話者標示後，逐字稿會在換人說話時標示為說話者 1、說話者 2，依此類推。系統無法得知姓名，因此之後請在 Word 中把標示改成真實姓名。
- M4A 轉文字工具將 iPhone 語音備忘錄等 M4A 錄音轉成文字，附時間標記與說話者標籤。支援 33 種語言，可輸出 TXT、Word、PDF 或字幕，免註冊。
- TXT 轉 SRT 字幕轉換把純文字逐字稿轉成 SRT 字幕檔。每一行變成一則字幕，時長由你設定，轉好後可直接在字幕編輯器中微調。
- MP4 轉 MP3 轉換器免費將 MP4 轉 MP3：把影片聲音擷取成任何手機、汽車音響或播放器都能播放的 MP3。可選位元率、剪輯，一次批次處理 20 個檔案。
- SRT 轉 TXT將 SRT 字幕檔轉成純文字。自動移除字幕編號與時間碼，把字句合併成段落，也可依需求保留時間戳記。
- VTT 轉 SRT 字幕轉換將 YouTube、Zoom 或 Teams 的 WebVTT 字幕轉成 SRT，可匯入 Premiere Pro、DaVinci Resolve、VLC 和電視。一併說明哪些 VTT 功能 SRT 無法保留。