ScribeToAny
多语言转录

转录越南语音频

越南语靠声调承载意义,而标记声调的变音符号在手工输入时很容易丢失 —— 少一个符号就可能改变词义。ScribeToAny 把越南语语音转录成声调符号和变音符号齐全、带标点和时间戳的文字,适用于采访、讲座、视频和通话,然后以八种格式导出。

  • 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

  • 声调符号：输出保留全部六个声调的符号（ngang、sắc、huyền、hỏi、ngã、nặng）；嘈杂的录音最容易出现声调错误。
  • 北、中、南口音：可处理河内、岘港和西贡口音；清晰的录音效果最好。
  • 流行语与外来词：日常流行语和英文科技词汇都能识别；非常新的网络用语可能需要核对。
  • 字幕同步：为 YouTube 和 TikTok 生成带时间码的 SRT/VTT 字幕，并尽量在句子和分句处断开。

常见问题

它会保留越南语的声调符号和变音符号吗?

会 —— 完整的变音符号是输出的一部分,所以文本是可以阅读和粘贴的正确越南语,而不是去掉符号的 ASCII 近似。正是这一点,让一份自动转录真正能用。

它能处理北方和南方口音吗?

可以。模型能处理主要的地区口音,包括河内和西贡。音频越清晰,转录越准确;对于有噪音或严重重叠的录音,在编辑器里快速校对一下就能修正偶尔的词。

它能给越南语视频加字幕吗?

可以。文字稿都带时间戳,所以你可以导出 SRT 或 VTT,直接放到视频上。越南语文字稿还能免费翻译成 134+ 种语言,所有套餐都能用。译文保留原时间轴,翻译后的 SRT 同样能与视频对齐。

语言菜单里没有越南语，怎样确保能被识别？

把“音频语言”保持为“自动检测”即可，越南语会被自动识别。检测只听开头大约 30 秒，所以如果录音开头是英文介绍、音乐或长时间静音，请先剪掉这一段，否则文件可能被当成别的语言处理。

为什么有时某个词的声调符号会出错？

声调符号是根据音节的发音判断的，所以噪音、背景音乐或含糊的发音都可能让它偏到相邻的声调，而 ma、má 和 mả 是完全不同的词。嘈杂的录音请在转录前打开“恢复音频”，之后在编辑器里点击可疑的那一行，重听那一刻再修正声调。

相关工具