在线中文音频和视频转文字
中文音频转文字只需上传录音或粘贴 YouTube 链接。Audiotexta 几分钟内返回带标点、时间戳和说话人标注的转写稿，可直接编辑、摘要、翻译和导出。
全球约有 1300 百万人使用中文，主要分布在中国、台湾和新加坡，因此它在现代语音模型中是一等语言，而非事后补充。
将音频或视频拖放到这里
MP3, M4A, WAV, OGG, FLAC, MP4, MOV, WebM, MKV · Pro 最大 5 GB
免费套餐：单个文件最长 30 分钟，每月 120 分钟。无需账户。 上传即表示您同意服务条款和隐私政策。
中文转写稿包含什么
| 文字 | 带标点和分段的句子，而不是一堆词 |
|---|---|
| 时间戳 | 每个片段都有，编辑器中精确到词，点击即可跳转 |
| 说话人 | 自动分离说话人，改名一次即全局生效 |
| 导出 | TXT、DOCX、PDF、Markdown、SRT、VTT、CSV、JSON |
| 洞察 | 摘要、章节、要点和待办事项（Pro） |
| 翻译 | 翻译成中文（中国）或 50+ 种语言中的任意一种，与原文对照 |
示例：一段简短的中文转写稿
演示会议录音的片段，与编辑器中显示的一致：每个片段都有时间戳，说话人自动标注。
说话人 1感谢大家参加。我们先从上个季度的数据开始。
说话人 2收入增长了百分之十一，主要来自新的订阅方案。
说话人 1很好。移动端发布还有什么阻碍？
说话人 2上传流程有两个问题，我们周五之前修好。
三步完成中文音频转文字
- 上传文件（MP3、M4A、WAV、OGG、MP4、MOV、WebM 等）或粘贴链接
- 选择中文作为语言；如果录音混合多种语言，保持自动检测
- 在编辑器中检查、重命名说话人，然后导出或翻译
中文的识别准确度：预期如何
中文是 Whisper 级模型中支持最好的语言之一。清晰的录音每小时只需修改几处，主要是人名和数字。
该语言书写时词与词之间没有空格。片段时间仍然精确，编辑器会在播放时逐字高亮。
声调区别通过上下文判断。人名中的同音字可能仍需人工核对。
中文的各地方言都能识别，但输出使用标准书面形式。方言很重的语音可能需要更多编辑。
如何获得更好的中文转写稿
- 靠近说话人录音；放在桌上的手机胜过房间另一头的笔记本麦克风。
- 上传前将人名、产品名和术语添加到自定义词汇中。
- 采访以及法律或医疗材料请选择精确模式；做笔记用快速模式即可。
- 会议和采访请开启说话人分离；独白可以关闭以节省几秒。
翻译中文转写稿
转写完成后，一键将全文翻译成中文（中国）或其他 50+ 种语言。译文以相同的时间戳显示在原文旁边，制作字幕和双语会议纪要无需额外工作。
费用
免费：每月 120 分钟，单个文件最长 30 分钟，包含时间戳和说话人标注，无需银行卡。
Pro：每月 €12，含 3000 分钟，单个文件最长 10 小时，AI 摘要和章节、翻译、DOCX 和 PDF 导出、API 访问。
价格 →大家还在搜
- 中文语音转文字
- 中文录音转文字
- 中文字幕生成
- 中文视频转文字
- 中文语音消息转文字
- 中文音频转 Word
- 中文采访转写
- 中文播客文字稿
常见问题
中文转文字免费吗？
免费套餐每月包含 120 分钟，带时间戳和说话人标注，无需银行卡。更长的文件、AI 摘要和翻译属于 Pro。
中文语音识别的准确度如何？
录音清晰时，大多数句子都能正确识别；需要修改的主要是人名、数字和多人重叠的语音。编辑器会随音频播放高亮词语，修改只需几秒。
能区分中文录音中的说话人吗？
可以。说话人分离与语言无关。将“说话人 1”改名一次，即可应用到整个文件。
如果录音中中文和其他语言混用怎么办？
将语言保持为自动。每个片段都会以说话时的语言转写；之后也可以把全部内容翻译成一种语言。
支持哪些格式和来源？
音频：MP3、M4A、WAV、OGG、Opus、FLAC、AAC。视频：MP4、MOV、WebM、MKV。链接：YouTube、Vimeo 和媒体直链。会议：通过浏览器扩展实时转写。
我的中文音频如何处理？
文件在您选择的保留期后删除，您的内容绝不用于训练模型。