ScribeToAny
音影片與字幕翻譯

把音訊翻譯成文字

一個真正保留原始結構的音訊轉文字工具。ScribeToAny 用約 98 種語言轉錄你的錄音,標出誰在說話,還能把非英語語音直接轉成英文——而分段邊界和時間戳始終原封不動。這一點對採訪和會議尤其重要:你依然可以點一句、聽回對應的原始音訊——這正是你核對一段自己聽不懂的內容的辦法。

  • 134+ 種翻譯語言
  • AI 轉錄
  • 加密儲存,我們絕不用你的檔案訓練 AI

從你的錄音開始

把音訊或影片檔案拖到這裡，或點擊選擇。

已經有字幕？在這裡直接翻譯

上傳 SRT、VTT、ASS 等字幕檔，用 Google 翻譯譯成 134+ 種語言，下載時保留原有時間軸。

實際轉錄成果預覽

一段 64 秒雙人訪談（合成語音）的未編輯轉錄結果，已開啟說話者辨識。此處僅顯示前幾行。

逐字稿 (TXT)
SPEAKER_00 (0:00) Welcome back to Small Shop Stories.
SPEAKER_00 (0:02) Today I'm talking to Maya, who runs a tiny bakery on the
SPEAKER_00 (0:05) corner of Mill Street.
SPEAKER_01 (0:07) Thanks for having me.
SPEAKER_01 (0:08) It's really small, just two ovens and a counter.
SPEAKER_00 (0:12) So how does a normal day start for you?
字幕 (SRT)
1
00:00:00,000 --> 00:00:01,680
[SPEAKER_00] Welcome back to Small Shop Stories.

2
00:00:02,160 --> 00:00:05,320
[SPEAKER_00] Today I'm talking to Maya, who runs a tiny bakery on the

3
00:00:05,320 --> 00:00:06,320
[SPEAKER_00] corner of Mill Street.

比對原稿後，189 個字詞中僅 4 個有出入——字詞錯誤率為 2.1%（將寫為「80」的「eighty」亦計入錯誤），全部 14 次發言輪替皆標註正確。此為清晰語音的測試結果；背景雜音較多或多人同時說話時準確率會較低。 查看完整逐字稿與評分方式

使用方法

  1. 1

    上傳

    拖入音訊或影片檔案,或貼上連結,常見格式全部支援。

  2. 2

    轉錄

    AI 自動轉錄,帶時間戳,可選說話人識別,通常幾分鐘完成。

  3. 3

    翻譯

    在 Google 翻譯中將逐字稿開啟為 134+ 種語言之一,時間碼全部保留;也可以在開始前勾選「轉錄為英語」。

為什麼選 ScribeToAny

  • 涵蓋約 98 種語言的語音轉文字，非英語音訊可一次性直接轉成英文。
  • 翻譯會保留原始時間戳，因此翻譯後的字幕軌道能與同一段音訊對齊。
  • 每份譯文都單獨儲存為一條軌道，放在原文逐字稿旁邊；點擊任何一行都能重播原始音訊。

常見問題

可以拿文字稿和原始音訊對照嗎?

可以。每一段文字稿都保留了它對應句子的時間戳,點一下就能重放那一刻的音訊。哪一段讀著不對,你可以立刻聽原聲,而不是靠猜——把非英語錄音直接轉成英文時也一樣。

支援哪些語言？

支援約 98 種語言的轉錄並具備自動語言偵測，且能一次直接將其中任何一種語言轉成英文。翻譯完成的逐字稿時，簡體中文與繁體中文是分開的目標語言，巴西葡萄牙文與歐洲葡萄牙文也是如此，因為這些差異會呈現在字幕中。

支援哪些音訊格式?

MP3、WAV、M4A、AAC、OGG、OPUS、WMA 等,以及任意影片容器——音軌會自動擷取。嘈雜錄音可以先過一道可選的 AI 修復,電話錄音和在咖啡廳錄的素材建議打開。

翻譯會消耗我的轉錄分鐘數嗎？

不會。分鐘數只在轉錄音訊時計算。翻譯完成的逐字稿是在 Google Translate 中進行的，所有方案皆可免費使用，因此你可以依需求新增任意多種語言。

「轉錄為英語」還是「翻譯」——哪種方式能把其他語言轉成更好的英文？

兩者運作方式不同。「轉錄為英語」由語音模型一次直接產生英文——速度快，但你無法看到它聽到的原始語言文字。先以原始語言轉錄，再使用「翻譯」，可以在翻譯前修正該逐字稿，避免識別錯誤帶入英文中，而且能保留兩份時間軸相同的版本。對於任何要發佈或引用的內容，第二種方式更容易核對。

相關工具