音频/视频 → 免费文本和字幕：在浏览器中转录
您现在可以直接在浏览器中免费将音频或视频转录为文本：在 部分 “视频” 出现了一个工具 “音频/视频→文字+字幕（免费）”。它识别语音，以带有时间戳的文本形式显示语音，并提供现成的字幕 - 并且不会注销标记。
为什么是免费的
通常解密是在付费服务的服务器上完成的：下载文件，计算分钟数，然后按每分钟付费。这里，语音识别模型被加载到浏览器中并在您的计算机上运行。服务器只给出工具的代码和模型的权重：它没有什么可计算的，因此令牌不会被注销，并且解密次数不受限制。
因此，隐私：录音不会离开您的计算机。如果您要转录采访、工作电话、讲座或个人笔记，这一点很重要。
如何转录音频或视频：一步一步
- 打开 “视频”部分 并从型号列表中选择 “音频/视频→文字+字幕（免费）” — 该工具位于底部，旁边是其他免费工具。
- 上传文件：单击选择字段或将音频或视频直接拖放到其中。
- 选择您的语音语言 - 或将其保留为“自动检测”。默认情况下，站点界面语言已设置，但您始终可以手动更改它。
- 单击“识别语音”并等待其准备就绪。第一次启动需要更长的时间：浏览器下载模型一次并将其保存在缓存中。
- 检查文本，必要时禁用时间戳，然后复制结果。
- 下载所需格式的字幕 - TXT、SRT、VTT 或 JSON。对于视频，您可以立即组装带有内置字幕的视频。
哪些文件适合？
音频：MP3、WAV、M4A、AAC、OGG、OPUS、FLAC等常见格式。视频：MP4、MOV、M4V、MKV、AVI、OGV、WebM。视频中的声音直接在浏览器中提取；无需单独转换文件。
你会得到什么
- 语音文字 — 带有时间戳的文字记录，可以禁用它并获取清晰的文本。
- 复制 — 所有识别的文本一键保存到剪贴板。
- TXT — 用于笔记和文档的简单文本。
- SRT — 适用于大多数玩家和视频编辑器的字幕。
- VTT — 网络和 HTML 播放器的字幕。
- JSON - 标记片段的脚本时间。
带有烧焦字幕的视频
如果您上传视频，该工具可以将字幕直接刻录到帧中：这样的视频可以在任何地方播放，即使在不支持字幕的地方也是如此。保留了音源的声音。刻录发生在您的设备上，文件不会发送到任何地方。
一切都取决于您的设备
语音识别型号 Whisper 到 Transformers.js：首先它会尝试 WebGPU（显卡），如果没有适配器，它会诚实地切换到 WASM 并依赖处理器。这里没有付费的API，代币不会被注销，录音也不会发送到服务器。长记录需要更长的时间来处理 - 一切都在您的计算机上计算。
该工具不做什么
诚实地讲一下边界：这是语音识别，而不是翻译。该工具不会将文本翻译成另一种语言或进行配音。质量取决于录音：语音清晰，没有太多噪音和音乐，结果明显更好。带有烧焦字幕的视频需要现代浏览器 - 此步骤需要 Chrome 或 Edge。
谁会觉得它有用？
该工具对所有使用录音的人都很有用：记者和播客 - 采访记录，学生 - 讲义，编辑 - 视频字幕，以及记录会议记录的人。如果您需要预约其他任何服务，请在 部分 “视频” 有 背景去除, 高档 和 深度图 - 他们还直接在浏览器中计算。
常见问题
真的免费吗？ 是的。该工具的代币不会被记入借方，它没有付费的 API - 您的计算机会计算它。
文件是否发送到服务器？ 不会。录音和结果保留在您的设备上；只有工具代码和模型权重来自服务器。
支持多少种语言？ Whisper 可识别 99 种语言。您可以手动选择语言或信任自动检测。
是否可以将字幕作为文件获取？ 是的。 TXT、SRT、VTT 和 JSON 使用单独的按钮下载。
该工具可以翻译语音吗？ 不会。它可以识别所选语言的语音，但不会将其翻译成另一种语言。
为什么第一次启动需要更长的时间？ 浏览器下载识别模型一次并将其保存在缓存中 - 下一次启动将立即开始。