ScribeToAny
音视频与字幕翻译

把音频翻译成文字

一个真正保留原始结构的音频转文字工具。ScribeToAny 用约 98 种语言转录你的录音,标出谁在说话,还能把非英语语音直接转成英文——而分段边界和时间戳始终原封不动。这一点对采访和会议尤其重要:你依然可以点一句、听回对应的原始音频——这正是你核对一段自己听不懂的内容的办法。

  • 134+ 种翻译语言
  • AI 转录
  • 加密存储,我们绝不用你的文件训练 AI

从你的录音开始

把音频或视频文件拖到这里，或点击选择。

已经有字幕？在这里直接翻译

上传 SRT、VTT、ASS 等字幕文件，用 Google 翻译译成 134+ 种语言，下载时保留原有时间轴。

实际转录效果预览

一段 64 秒双人访谈（合成语音）的原始转录结果，已开启说话人识别。此处仅展示前几行。

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.

对照原始文本，189 个单词中仅有 4 个不同——词错误率为 2.1%（将写为“80”的“eighty”也计为错误），全部 14 次发言轮次均正确标注了说话人。这是清晰录音的效果；若背景杂音较多或存在人声重叠，识别率会有所下降。 查看完整转录文本及评分方式

使用方法

  1. 1

    上传

    拖入音频或视频文件,或粘贴链接,常见格式全部支持。

  2. 2

    转录

    AI 自动转录,带时间戳,可选说话人识别,通常几分钟完成。

  3. 3

    翻译

    在 Google 翻译中把转录稿打开为 134+ 种语言之一,时间码全部保留;也可以在开始前勾选「转录为英语」。

为什么选 ScribeToAny

  • 覆盖约 98 种语言的语音转文字，非英语音频可一次性直接转成英文。
  • 译文保留原来的时间戳，所以翻译后的字幕轨道和同一段音频对得上。
  • 每份译文都单独保存为一条轨道，放在原文稿旁边；点击任何一行都能重放原始音频。

常见问题

可以拿文字稿和原始音频对照吗?

可以。每一段文字稿都保留了它对应句子的时间戳,点一下就能重放那一刻的音频。哪一段读着不对,你可以立刻听原声,而不是靠猜——把非英语录音直接转成英文时也一样。

支持哪些语言？

支持约 98 种语言的转录，并自动检测语言，还能把其中任何一种一次直接转成英文。翻译完成的文稿时，简体中文和繁体中文是分开的目标语言，巴西葡萄牙语和欧洲葡萄牙语也是，因为这种差别会体现在字幕里。

支持哪些音频格式?

MP3、WAV、M4A、AAC、OGG、OPUS、WMA 等,以及任意视频容器——音轨会自动提取。嘈杂录音可以先过一道可选的 AI 修复,电话录音和在咖啡馆录的素材建议打开。

翻译会消耗我的转录分钟数吗？

不会。分钟数只在转录音频时计算。翻译完成的文稿是在 Google 翻译里进行的，所有套餐都免费，所以你可以按需添加任意多种语言。

“转录为英语”和“翻译”，哪个能把其他语言转成更好的英文？

两者原理不同。“转录为英语”由语音模型一步直接写出英文，速度快，但你看不到它听到的其他语言原文。先按其他语言转录，再用“翻译”，可以在翻译前把其他语言文稿改对，识别错误就不会带进英文，而且两个版本都会保留，时间轴相同。要发布或引用的内容，第二种方式更容易核对。

相关工具