WAV 转 TXT 转换器 —— AI 语音转写

从原始音频到可用的文字

WAV 是录音最诚实的形态：未压缩的 PCM，原样保存麦克风捕捉到的一切，编解码器不会在引擎与波形之间制造任何偏差。把 WAV 交给转写服务，没有解码环节可以出错，也没有压缩取舍需要声学模型去猜。声音进，文字出，中间没有任何环节能损坏它们。录音应用默认给你 WAV 并非偶然——在转写开始之前，没有人替你做过任何取舍。语音占据的频带远比音乐窄，未压缩的文件把它完整保留下来。

你拿回的不只是一大段文字。除了承载完整转写的纯文本 TXT，管线还能产出带时间戳的 SRT 字幕文件，以及把文本切分为分段的对话视图。三种产物正好对应转写文本的三个常见去处：阅读它、用它做字幕、之后再翻查它。

三件产物，视音频而定

TXT 是核心产物：完整转写的纯文本，可直接编辑、检索或粘贴到任何地方。每个成功的任务都会产出它，而你只需要任意一个文本编辑器就能打开。

SRT 与对话文件是尽力而为的附加产物，不是承诺。它们由引擎对时间与分段的可推断信息生成，某些录音——稀疏的语音、严重的重叠、漫长的静音——会让它无从下手，于是其中一件或两件缺席。只返回 TXT 的任务并没有失败；页面不会承诺三件必然齐备。当附加产物出现时，SRT 的时间戳与音频对齐，对话视图把发言归整为可读的分段。

如果字幕文件对你的流程很重要，请在关闭页面前查看结果页：实际生成的产物都会列在那里，缺一份 SRT 说明的是这段音频的特性，而不是任务失败。

擅长什么，吃力什么

转写引擎是 FunASR 管线，底层为针对中文优化的 Paraformer 模型。普通话语音效果最好；中英混合语音——每日站会与产品会议里最常见的语态——是实打实的强项：模型能在句中切换语言而不丢线索。

纯外语音频是坦率承认的短板：纯英文或其他语言的录音效果有限，重口音或嘈杂环境会进一步拉低质量。我们把这一点写在页面上，因为一份自信满满的错误转写，不如一句坦率的提醒。

还有两条边界：超过 30 分钟的音频不予接受，长录音请先切分再上传；结果中的说话人信息以引擎产出为准——可能缺席，我们不做说话人分离的强承诺。

时长、费用与隐私

大多数任务几分钟内完成；转写任务的超时上限约 40 分钟，足以覆盖最慢的合格录音，引擎工作时会显示进度。40 分钟是任务的超时上限，不是承诺的等待时间——短录音才是常态，很快就能拿到结果。

工具免费、无需登录，上传的 WAV 与每个生成文件都会在 24 小时内自动删除。上传走 HTTPS，处理在转换集群的内存中完成，站内没有任何第三方广告网络。任何环节都不会索要邮箱地址。一份内部会议的转写稿值得这样的待遇。