ScribeToAny

OGG 转文字

OGG 常见于开源录音、游戏和语音应用,但它是一个用来听的容器,而不是可以阅读的东西。上传 OGG,ScribeToAny 就会把语音变成带时间戳、可编辑的文字,还可选加说话人标注,并能以八种格式导出。所有套餐都能用;无需安装。

  • AI 转录
  • 98 种语言
  • 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。

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

    导出

    在线逐段编辑后,导出 TXT、SRT、VTT、TSV、CSV、JSON、PDF 或 DOCX。

为什么选 ScribeToAny

  • 专为 Discord 语音机器人录音、游戏开黑语音通话及 Audacity 等开源音频制作工具生成的 Ogg Vorbis 文件量身定制。
  • 立体声和多声道 OGG 会在转录前混成单声道；每个说话人的独立音轨也可以分别上传。
  • 开源格式归档与播客剪辑的理想之选：快速将开放格式录音转换为逐字对齐的高质量对话文本。

常见问题

它能同时处理 Ogg Vorbis 和 Ogg Opus 吗?

可以 —— .ogg 容器两者皆可容纳,而且两者的转录方式相同。按原样上传文件;无需先把它转成别的格式。

我需要选择语言吗?

不需要 —— 语言会自动检测。如果一段录音很安静或混音很重,明确设定语言会有帮助,但这不是必需的。

我能导出哪些格式?

TXT、SRT、VTT、TSV、CSV、JSON、PDF 和 DOCX。如果这个 OGG 是视频里的音频,带时间戳的 SRT 或 VTT 可以直接作为字幕放回去。

Discord 录音每个说话人一条音轨，应该怎么转录？

像 Craig 这样的录音机器人会为每个参与者保存单独的文件。分别上传每条音轨（一次最多 6 个）：这样每份文稿都对应一个已知的说话人，比在混合文件上做说话人识别更可靠。如果只有一个混合好的文件，就打开“识别说话人”。

上传前能先看看 OGG 文件 有多长吗？

可以。把文件拖进本页的估算工具：它在浏览器里读取时长，不会上传任何内容，并显示时长、估算字数（按每分钟约 130 词）和阅读时间。这样你能提前知道文件是否在免费套餐每个文件 30 分钟的限制以内。

相关工具