WAV 轉 TXT 轉換器 —— AI 語音轉錄

從原始音訊到能用的文字

WAV 是最誠實的錄音：未壓縮的 PCM，麥克風捕捉到什麼就是什麼，引擎與波形之間沒有任何轉碼痕跡。把 WAV 交給轉錄服務，就沒有解碼步驟可能出岔，也沒有壓縮決策讓聲學模型猜疑。聲音進去，文字出來，中間沒有任何環節有機會把它弄壞。錄音應用預設伸手就拿 WAV，並非偶然——在轉錄開始之前，沒有人替你做過任何決定。語音佔用的頻帶遠比音樂窄，未壓縮的檔案把它完整保留。

你拿回的不只是一面文字牆。在承載完整轉錄的純文字 TXT 之外，管線還能產出帶時間戳的 SRT 字幕檔，以及把文字整理成段落的對話視圖。這三個產物恰好對應逐字稿的三種常見去處：閱讀、上字幕、事後翻查。

音訊允許時，一次給三個檔案

TXT 檔是核心產物：完整轉錄的純文字，可直接編輯、搜尋或貼到任何地方。每個成功的任務都會產出它，而它對你的要求不比任何文字編輯器更多。

SRT 與對話檔是盡力而為的附加項，不是保證。它們衍生自引擎對時間軸與分段能推斷出什麼，而某些錄音——語音稀疏、嚴重搶話、長時間靜音——給它的素材太少，這時兩者之一或兩者一起缺席都有可能。只回傳 TXT 的任務並沒有失敗；這一頁拒絕承諾三個檔案總是成套出現。當它們出現時，SRT 的時間戳與音訊保持對齊，對話視圖則把語句整理成可讀的段落。

如果字幕檔對你的工作流程很重要，關掉分頁前先看一眼結果頁。所有產出的檔案都列在那裡，缺了 SRT 說明的是你的音訊，而不是任務。

擅長與吃力的地方

引擎是以 paraformer-zh 為基礎打造的 FunASR 管線，一個為中文最佳化的模型。華語語音轉錄效果最好；中英混合語音——技術圈站會與產品會議的預設語域——是真正的強項：模型能在句子中間切換語言而不掉線。

純外語音訊是誠實的弱點。純英語錄音與其他語言品質有限，重口音或嘈雜環境會再打折扣。我們把這點寫在頁面上，因為一份自信滿滿的錯誤逐字稿，比坦白的警告更糟。

還有兩條界線。超過 30 分鐘的音訊不接受——長錄音請先切分再上傳。結果中的說話者資訊以引擎實際輸出為準：可能缺席，我們也不對說話者分離做強承諾。

時間、費用與隱私

多數任務幾分鐘內完成。轉錄任務的時限約 40 分鐘，足以涵蓋最慢的合格錄音，引擎工作時進度持續可見。40 分鐘是任務逾時上限，不是延遲承諾——短錄音才是常態，很快回來。

本工具免費、無需登入，你上傳的 WAV 與所有產生檔案都會在 24 小時內刪除。上傳走 HTTPS，處理在轉換叢集的記憶體中進行，站上不跑第三方廣告聯盟。任何時候都不要求電子郵件地址。內部會議的逐字稿值得這樣的待遇。