完全私密的網頁版語音轉文字工具
過去，將語音轉換為文字通常需要購買昂貴的軟體，或是將媒體檔案上傳到第三方雲端伺服器。這款語音轉文字工具打破了這個限制，直接在您的網頁瀏覽器中提供強大的 AI 逐字稿功能。無論您需要製作課程錄音逐字稿、產生會議記錄，或是將影片轉文字來製作字幕，都能安全且即時地完成。
由於 AI 模型完全在您的裝置本機端運行，這是一套完全私密且免費的語音轉文字解決方案。您的媒體檔案絕不會被上傳、儲存或由外部伺服器進行分析，讓您能安心處理機密訪談、尚未發布的 Podcast 或私人錄音。
主要功能與特色
支援音訊與影片格式。 使用本工具前無須轉換檔案格式。我們支援 MP3、WAV、M4A 和 OGG 等標準音訊格式，以及 MP4、WebM 和 MOV 等影片格式。系統會在背景自動擷取影片中的音軌。
匯出為純文字或字幕檔。 檔案處理完成後，您可以將純文字複製到剪貼簿，或下載為 .txt 檔案。若需要時間軸，本工具也能產生標準的 .srt 和 .vtt 字幕檔，方便您直接匯入影片剪輯軟體或媒體播放器中。
內建翻譯功能。 驅動本工具的 AI 模型不僅能將語音轉文字，還具備翻譯功能。如果您有支援語言（如西班牙文、法文、日文或德文）的音訊檔，並希望取得英文的逐字稿，只需在開始前勾選「翻譯」選項即可。
可選擇 AI 模型。 您可以根據需求選擇兩種不同大小的模型。「Tiny」模型效率極高，下載速度快，即使在較舊的硬體上也能流暢執行。「Base」模型雖然檔案稍大且速度較慢，但對於複雜難辨的音訊，能提供明顯更高的準確度。
語音轉文字的常見用途
新聞採訪與研究。 在撰寫報導或研究論文時，手動聽打採訪逐字稿往往是最耗時的工作之一。透過自動化工具處理錄音檔，只需幾分鐘就能產出準確度極高的草稿，讓您可以專注於編輯和擷取重點引言，不必再辛苦地逐字輸入。
內容創作與無障礙體驗。 如果您在網路或社群媒體上發布影片，加上準確的字幕對於提升無障礙體驗和觀眾續看率至關重要。您可以使用本工具將影片語音轉為文字，下載 .srt 檔案後，再與您的影音內容一併上傳。
會議紀錄與課堂講座。 在節奏緊湊的課程或重要的商務會議中，與其手忙腳亂地抄寫筆記，不如先將過程錄音，事後再轉成文字。這樣不僅能確保您擁有完整的發言紀錄，日後也方便搜尋所需內容。
本機 AI 語音轉文字的運作原理
本工具採用 Whisper——一套先進的開源自動語音辨識系統。過去，執行像 Whisper 這樣的模型需要高階顯示卡與複雜的 Python 環境。不過，本工具使用 Transformers.js，可直接在您的瀏覽器中執行模型。
當您首次點擊「開始」時，瀏覽器會下載模型檔案（大小約 40 到 75 MB，取決於您選擇 Tiny 或 Base 模型），這些檔案會安全地快取在您的瀏覽器中。在實際處理時，本工具會運用 WebGPU（較舊的裝置則使用 WebAssembly），利用您裝置本身的硬體來進行繁重的運算。
由於所有的解碼與轉錄都在您裝置的記憶體中進行，因此您能處理的檔案長度上限，完全取決於您電腦或手機的可用 RAM。
獲得最佳轉錄效果的技巧
- 確保音訊清晰。 當語音清晰且背景噪音降到最低時，AI 模型的辨識效果最好。如果您是專門為了轉錄而錄製語音備忘錄，請靠近麥克風並清晰地說話。
- 手動設定語言。 雖然「自動偵測」功能很方便，但從下拉式選單中明確選擇您所使用的語言能提升準確率，因為模型就不必耗費運算資源，從前幾秒的音訊中猜測語言。
- 使用合適的模型。 如果您的音訊有多位說話者、口音較重或有背景雜音，請務必選擇「Base」模型。「Tiny」模型則建議用於非常清晰、錄音室品質的語音檔，或是當您趕時間時使用。
- 準備好您的檔案。 如果您需要在轉錄前快速錄製備忘錄，可以使用我們的錄音機。如果您有龐大的影片檔，且只想保留音訊部分來封存，可以先試試 影片轉 MP3 轉檔工具。