工作空间/转换工作台
正在连接本机服务
FROM SOUND TO WORDS

让声音，成为文字。

从视频到音频，再到文字。把每一段有价值的表达留下来。

常见音视频格式 不设文件大小上限 本机分段处理给声音一个新的打开方式

01 导入文件

把视频或音频拖到这里

或 点击选择文件

MP4、MOV、MKV、MP3、WAV 等 · 支持多文件

02 选择输出

按你的需要，自由转换
输出类型

首次使用需下载模型，之后可离线转写。

文件仅在本机处理，不上传到第三方

03 转换结果

等待开始

你的下一份文字，从这里开始

导入文件并开始转换
文字和音频会在这里与你见面

.txt.srt.mp3
小提示：长视频使用「本机路径导入」，无需等待文件复制。

最近任务 每一段声音，都有迹可循

查看全部

通过本机路径导入

直接读取电脑上的文件，无需复制。特别适合大体积视频。

Mac：在访达中选中文件，按 ⌥⌘C 复制路径，再粘贴到这里。

偏好设置

将当前的语言、模型、音频格式和码率保存为下次打开时的默认选项。

仅下载识别模型，视频、音频和文字均不离开本机。

从视频到文字，只需三步

  1. 导入你的视频或音频

    拖入文件、点击选择，或粘贴本机绝对路径。支持多个文件依次处理。

  2. 选择你需要的输出

    选择文字、音频或两者都要。中文推荐 Small 模型，日常使用可选 Base，先体验可选 Tiny。

  3. 开始转换，下载结果

    完成后下载 UTF-8 TXT、带时间戳的 SRT 字幕或音频。多文件可在上方「本批次转换」中打包导出 ZIP，或到任务记录中勾选多项打包下载。

多大的文件都可以吗？

软件不设文件大小上限。上传采用 8 MiB 分块，识别采用 5 分钟切片。实际受磁盘空间、媒体格式和电脑性能约束；本机路径导入无需复制原视频，适合大文件。

首次识别需要联网吗？

需要从所选下载源下载 Whisper 模型：Tiny 约 75 MB，Base 约 145 MB，Small 约 466 MB，Medium 约 1.5 GB，Large v3 约 3.1 GB。下载后，同一模型可离线使用。长视频和较大模型需要更多时间。

导入中断了怎么办？

重新选择同一个文件，软件会尝试从已保存的位置继续导入。正在转换的任务关闭页面后仍可运行；关闭服务会中断任务，再次启动后可以重试。

识别结果一定准确吗？

识别的是音轨中的语音，不提取画面中的文字。背景音乐、方言、多人重叠说话会影响准确率；请校对重要内容。MP3/M4A 会重新编码；WAV 不额外使用有损编码，但无法恢复原音轨已丢失的细节。

选择文件 ⌘ / Ctrl O使用指南 ?

批量打包导出

每个任务单独一个文件夹，保留原文件名，同名任务自动区分。

删除这条任务记录？

该任务的文字和音频结果也会被清理。本机路径导入的原文件会保留。