先看你要处理的是音频还是视频

如果手里是录音、播客或会议音频，就进音频转文字；如果是课程录屏、采访片段或带音轨视频，就进视频转文字。两页都会直接给出可复制全文结果。

🎙️
音频转文字
上传音频后在线提取可复制文字，适合录音整理、会议纪要和播客转写
适合录音、会议纪要、访谈、播客
→
🎬
视频转文字
上传视频后提取音轨并转成文字，适合课程视频、采访片段和素材转录
适合课程视频、采访片段、分享录屏
→
语音转写入口

语音转文字

这里聚焦两类高频转录任务：音频转文字，以及视频转文字。你上传录音或视频后，系统会先转写语音内容，再直接返回可复制全文；在支持的情况下，也会提供字幕文件下载入口。

语音转文字 录音转文字 音频转文字 视频转文字 视频文字提取
2 类独立转录入口 音频和视频分开处理，上传提示与结果展示更清晰
结果直接展示 不是只给下载链接，页面里会直接显示转写全文
围绕转录而不是 OCR 当前只处理语音内容，不承诺视频画面识别或字幕烧录

哪些场景适合用语音转文字

核心任务是把原本只能听的语音内容，尽快变成可复制、可整理的文本

会议录音整理
部门会议、访谈录音和语音备忘录通常不方便回听全文。先转成文字，再摘录重点、整理纪要，效率会高很多。
课程与播客转写
线上课程音频、播客片段和直播回放，适合先转成文字，再按主题归档或提炼摘要。
视频内容快速提纲
课程视频、采访视频或录屏演示，当前页面会提取音轨并转写文字，适合先拿到全文再找重点片段。
资料检索与留档
把会议、课程和素材中的语音转成文字后，更容易进知识库、文档系统和全文搜索流程。

怎么选音频转文字还是视频转文字

先看源文件，再看你是否需要额外保留时间轴信息

1
源文件是录音或音频
如果是 MP3、WAV、M4A 或其它音频文件，优先用音频转文字。它会直接围绕音频文件完成转写。
2
源文件是视频
如果是 MP4、MOV、WebM 或其它视频文件，优先用视频转文字。系统会先提取音轨，再做语音转写。
3
先保证音质
背景噪音大、多人同时说话、口音重、采样率低时，识别效果通常会下降。源文件越清晰，转录越稳定。
4
重要内容仍建议校对
专有名词、数字、英文缩写和多人交叉发言更容易出错。转写更适合“先提取、后整理”，重要场景仍建议人工过一遍。

当前能力边界

这组页面只做语音转录，不顺带承诺其它媒体处理能力

当前支持
音频转文字、视频音轨转文字、全文结果展示，以及在支持时导出字幕文件。
当前不做
不做图片 OCR、视频画面 OCR、翻译字幕、语音克隆、配音生成或视频裁剪编辑。
为什么要和 OCR 分开
输入文件、模型链路、结果展示和搜索意图都不同。把它们混在一个大识别页里，交互和文案都会变脏。
结果怎么使用
先复制全文做整理，再用时间分段或字幕文件回到原音频、原视频检查重点片段，会比纯回听高效得多。

常见问题

先把专题边界和真实能力说清楚

当前语音转文字支持哪些入口？ ▼
当前只提供音频转文字和视频转文字两个正式入口，分别处理音频文件与视频音轨。
这里是不是也支持图片 OCR 或视频画面 OCR？ ▼
不是。当前页面只围绕语音转写，不承诺图片文字识别、视频画面识别或字幕翻译等其它能力。
结果能直接复制吗？ ▼
可以。音频转文字页和视频转文字页都会直接展示全文结果，并在支持时提供 TXT 或 SRT 下载入口。
为什么不做成“识别工具大全”？ ▼
因为用户来这里的核心任务是“把语音内容转成文字”，不是浏览所有识别方向。把 OCR、语音转写和其它识别能力混在一起，只会让入口和结果都更混乱。