ScribeToAny
多語言轉錄

轉錄中文音訊

普通話是 Whisper 級模型表現最強的語言之一。上傳中文會議、課程或訪談錄音,得到標點完整的準確文字稿,簡體繁體都支援。

  • AI 轉錄
  • 98 種語言
  • 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。

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

    匯出

    線上逐段編輯後,匯出 TXT、SRT、VTT、TSV、CSV、JSON、PDF 或 DOCX。

為什麼選 ScribeToAny

  • 普通話與口音：標準普通話效果最好；台灣華語和各地口音也能處理，口音很重時準確率會下降。
  • 漢字輸出：通常輸出簡體字；目前沒有簡繁切換，如需繁體，可用 OpenCC 等工具轉換。
  • 中英混說：中英夾雜的內容依原樣轉錄，英文詞保留為拉丁字母；不常見的品牌名可能需要修正。
  • 適合中文的字幕：每條約 32 字以內，在。，、處斷開，依中文閱讀習慣而不是英文行長來切分。

常見問題

中英夾雜的錄音能識別嗎?

可以,技術和商務場景常見的中英夾雜會按原樣轉寫。

輸出是簡體還是繁體？

轉錄結果通常是簡體字，但目前沒有簡繁切換選項，個別片段偶爾會輸出繁體。如果需要指定字形，發布前可以用 OpenCC 等轉換工具把成稿轉換一下。

能給中文影片配字幕嗎?

可以,匯出與語音對齊的 SRT/VTT 字幕即可。

普通話應該選哪個語言選項？

確定音訊是普通話時，請在「音訊語言」中選擇 简体中文；台灣華語也用這個選項。自動偵測只根據開頭大約 30 秒來判斷，開頭是音樂或英文的片段可能被辨識成別的語言；手動選擇語言就能跳過這一步。

中文字幕是怎麼分行的？

中文字幕每條最多約 32 個字（大約兩行、每行 16 字），而不是英文用的 84 個字元，並且優先在 。，、 處斷開，避免一句話被截在中間。Whisper 類模型通常會自動加上中文標點；沒有標點的地方，就依長度切分。讀起來仍然彆扭的字幕條，可以在編輯器中拆分。

相關工具