TXT转写音频转文字
只有一个模型：在我们自己服务器上运行的 Whisper。它不区分说话人：文字按短段落输出，每段都有对应的时间。
常见问题
音频转文字
怎样把 WhatsApp 语音消息转成文字？
在手机上分享这条语音消息并存为文件：iPhone 上选“存储到文件”，Android 上存到任意文件夹。然后在这里上传。WhatsApp 语音消息是 .opus 文件，我们可以直接读取，不需要先转换格式。
音频转文字要多少钱？
30 分钟以内的音频免费，也不需要账号。更长的音频只需在线支付一次，同样不用注册：60 分钟以内 1 欧元，120 分钟以内 2 欧元，含增值税，发票通过电子邮件发送。付款前就能看到价格。如果转写失败，我们会主动退款，无需你申请。
可以上传哪些文件？
MP3、M4A、WAV、OGG、FLAC 和 AAC 音频，WhatsApp 语音消息，以及 MP4、MOV、WebM 和 MKV 视频。视频只保留音轨，这一步由你的浏览器在上传前完成，所以文件会小很多。你也可以直接在页面上用麦克风录音。最长 120 分钟。
支持哪些语言？
模型能识别 99 种语言，会自动判断音频的语言。你也可以自己选择：如果音频开头是音乐或噪音，这样更稳妥，因为自动识别只听前几秒。英语、意大利语、西班牙语、法语、德语和葡萄牙语的准确度最高；中文等其他语言也能转写，但错误会多一些。
能区分谁在说话吗？
不能。我们使用的模型不区分说话人，我们也不假装能做到。文本按短段落输出，每段都标有开始的时间，即使没有名字也能找到某个片段。如果是会议录音，可以用 AI会议纪要，它会把转写整理成摘要、决定和待办事项。
多久能拿到文字？
取决于音频的长度，以及排在你前面的转写任务有多少：服务器一次只处理一个。等待时，页面会显示已经过去的时间；如果近期的转写数据足够，还会显示通常需要多久。你可以切换到其他标签页，任务会继续进行。
文字可以下载成哪些格式？
一键复制，或下载为 TXT、Word（DOCX）或 PDF，段落旁可以带时间，也可以不带。还可以导出 SRT 和 VTT 字幕，能在 YouTube、Premiere、CapCut 和 VLC 中打开。在页面上可以搜索某个词；如果音频是在这里选择的，点击时间就能从那一处重新收听。
音频和文字会存到哪里？
音频上传到我们位于欧洲的服务器，在那里转写，任务完成后立即删除，不会经过其他公司的转写服务。文字保留 24 小时，方便你在这个浏览器里或通过付款邮件中的链接重新打开，之后我们会删除。我们不会用它来训练任何模型。