首页 › 音频文件转文字

音频转文字

音频文件转文字：在 Mac 本机完成，不用上传

手里已经有一个录音文件——会议的 m4a、录音笔导出的 wav、剪辑用的 mp4——想把它变成能编辑、能检索的文字。在 Lesskeys 里，音频文件转文字就是把文件拖进窗口：转写在你的 Mac 上完成，文件不会上传到任何服务器。视频文件也可以直接拖，不用先自己提取音轨。

支持哪些格式

常见的音频和视频格式基本都能直接拖进来，不用先转码：

视频文件会自动读取里面的声音轨道，你不需要先用别的软件抽出音频。如果录音笔导出的是厂商自有的压缩格式，在配套软件里另存为 wav 或 mp3 再拖进来即可。

音频文件转文字怎么操作

1. 拖进窗口——把一个或多个文件直接拖到应用窗口里。
2. 确认语言范围——支持 99 种语言自动识别；如果录音开头有较长的寒暄或空白，事先把常用语言限定成“中文、英文”这样的小集合，可以避免整段跑错语种。
3. 需要的话开启说话人分离——多人对话会按发言人分段，标出谁在说话，之后可以改成真实姓名。
4. 等它跑完——在 Apple Silicon 的 Mac 上通常比实时播放快，一小时的录音大致十几分钟。
5. 校对并导出——导出 TXT 正文、SRT / VTT 字幕，历史记录可导出 TXT、JSON、CSV。

更细的分步说明在《录音怎么转文字》，这一页主要讲工具本身和格式支持。

长音频不用切段

在线转文字网站常见的限制是单个文件不能超过多少分钟或多少 MB，于是用户只好先把三小时的会议切成十几段，转完再手动拼回去，说话人编号还全乱了。

本机处理没有这个环节。限制你的是硬盘空间和耐心，不是服务器的配额：一整场三小时的研讨会、一次两小时的深度访谈，都可以作为一个文件一次跑完，说话人标记在全篇内保持一致。

需要留意的现实约束只有两条：转写期间让 Mac 保持唤醒（合盖会进入睡眠并中断任务），笔记本处理长文件时最好插着电源。

和“免费在线转文字”网站相比

不少人在找工具时第一步会搜“免费在线转文字”。在线服务确实有它合适的场合：不用装软件、换台电脑就能用、Windows 和手机上也能开。下面只做可核实的差别对比，不涉及对任何服务的指控。

结论很直白：如果只是转一段公开的播客，用什么都行；如果文件里有客户、候选人、当事人或未公开的商业信息，“不上传”这件事本身就是选择依据。

带说话人的文稿

纯文字块和带说话人标记的文稿，可用性差别很大。开启说话人分离后，一段两人访谈会变成清晰的一问一答，而不是一大坨连续文本。给声音命名之后，下次导入同一位受访者的录音时还能认出来。

局限也要说清楚：抢话重叠、串音、音色相近的两个人，分离会出错，需要人工调整；如果录音是几个人共用一支免提话筒，效果会明显下降。详见《说话人分离转写》。

如果文件里有其他人的声音，请注意先取得对方同意再录制和处理；国内职场的通行做法是在会议开始时口头说明“本次会议将录音”。未经同意录制他人的私密谈话，可能侵犯《民法典》第 1032—1033 条项下的隐私权。转写结果是自动处理的产物，我们不对法律用途做任何保证，重要内容请对照原始录音核对。

给视频配字幕

把 mp4 或 mov 直接拖进来，转写完导出 SRT 或 VTT，可以直接导入剪辑软件或上传到视频平台。时间轴由转写结果生成，你要做的主要是校对专有名词和数字，以及按阅读节奏合并过短的句子。

课程回放、产品演示、访谈成片这类内容，字幕通常也顺便解决了检索问题——有了逐字稿，半年后想找“当时是谁说要砍掉那个功能的”，搜一下就行。

想让结果更准，先看录音本身

转写质量受录音条件的影响，比受工具的影响更大。如果结果不理想，按这个顺序排查：

• 话筒距离——放在长桌正中间录六个人，最远的那位几乎一定会错。
• 持续底噪——空调、投影仪风扇、咖啡厅背景音会明显拉低准确率。
• 抢话重叠——同时说话的部分，机器通常只能识别出其中一个人。
• 专有名词——人名、公司名、项目代号是错得最多的一类，可以用文本替换规则让常错的词每次自动改对。

价格与运行环境

运行环境：macOS 13 或更高版本，必须是 Apple Silicon（M1 及以上）的 Mac，Intel 机型无法使用。

在 Mac App Store 下载免费，可以先用手里的录音试一试；继续使用时在应用内一次性买断 Pro，$49.99，不是订阅（人民币价格以中国区 App Store 显示为准）。免费额度：音频转写共 5 次、视频转写共 5 次（终身额度，不是每天刷新），语音输入每天 5 分钟；录音本身不计次，对已经转写过的内容重新转写也不计次，所以换个模型档位重跑同一个文件不会消耗额度。

常见问题

相关内容