1
上传音频文件
把要转写的音频文件拖进来，或点击浏览选择。支持 MP3、WAV、M4A、OGG、WEBM、FLAC、AAC 和 OPUS，不限制时长，不限制大小。解码在本地完成，再大的文件也即时开始。
免费端侧 AI 转写
上传音频，秒级转成文字稿
在浏览器中免费把音频转文字。上传一段录音，即可获得带时间戳和说话人标注的文字稿——音频不出设备，无需注册，没有水印，也不按分钟收费。
MP3 · WAV · M4A · OGG · FLAC时间戳 + 说话人标注TXT 与 SRT 导出
音频转录工作台
回听音频，保留文本，随时接着上次的工作。
默认自动识别音频语言；如果识别不准确，可手动指定语言后重试。
说话人标注与转写一起，完全在端侧运行。
本机历史记录
0文本保存在 localStorage，音频保存在浏览器本地数据库，不会上传。清除网站数据会移除历史，请导出重要文本。
转录完成后，会在这里留下记录
刷新页面后，依然可以打开文本或回听音频。
使用方法
三步完成音频转文字
全程在本页面完成。上传音频、选择语言、导出文字稿——AI 模型只需下载一次，之后走缓存离线工作。
2
端侧 AI 转写
选择录音语言，页面即用浏览器内的语音模型把音频转文字——中文、日文、韩文用 SenseVoice，英文用 Moonshine。如有需要会自动下载本地模型。进度条实时显示每个分片。
3
校对说话人，导出
阅读带时间戳的文字稿，用说话人标注看清每句话是谁说的，然后一键复制或下载 TXT、SRT。随时可以再转写一个音频文件——模型常驻缓存，回访即开即用。
为什么选这里
为隐私而生的音频转文字工具
多数工具转写前先把你的音频上传到服务器。这里反过来：转写模型完全跑在你的设备上。
天生私密
音频文件无需离开浏览器。端侧模型在本地完成音频转文字，访谈、咨询记录、法律录音和未发布作品从构造上就是私密的——没有服务器副本，就没有泄露和被拿去训练的风险。
说话人标注
会议和访谈需要的不仅是纯文本。声纹分离引擎能判断每句话是谁说的，让文字稿变成标注清晰的对话——说话人 1、说话人 2，而不是一整块分不清谁是谁的文字。
逐句时间戳
每个分段都带开始时间，可从文字一键定位回音频中的准确时刻。导出 SRT 后，同一套时间轴可直接用作视频字幕。
靠谱的准确率
SenseVoice 多语言识别与 Moonshine 英文模型对清晰语音接近人工准确率，自带标点与文本正则。数字、日期和大小写都会格式化输出，而不是原始识别串。
免费免注册
音频转文字完全免费，无需账号，没有试用倒计时，也不加水印。端侧路线没有按分钟成本，无需计量——转写一个还是二十个文件都一样。
TXT 与 SRT 导出
一键复制全文，下载纯文本做笔记存档，或拿 SRT 文件做字幕。说话人标注和时间戳会跟随两种格式一起导出。
支持格式
常见音频格式都能转文字
无需转码，无需装解码包。
mp3wavm4aoggogaopuswebmflacaac
转写器在浏览器内直接解码 MP3、WAV、M4A、OGG、OPUS、WEBM、FLAC 和 AAC，重采样为干净的 16kHz 单声道，并按自然停顿切分长录音。无论是 MP3 语音备忘、WAV 访谈，还是 M4A 讲座录音，原样上传即可得到同样干净的文字稿。
暂不支持视频文件——请先提取音轨，再回来做音频转文字。
常见问题
音频转文字问答
完全不限制时长和大小，语言、隐私与准确率，一次讲清。
在这里做音频转文字真的免费吗？
是的。端侧转写没有按分钟成本，因此音频转文字完全免费，无需账号、无试用、无水印。模型只需下载一次并缓存，后续访问直接使用。
音频文件最长可以多长？
不限制时长，不限制大小。覆盖语音备忘、访谈、讲座和长播客片段。
支持哪些语言的音频转文字？
中文、英文、日文和韩文完全跑在端侧，并带说话人标注。
我的音频会被上传吗？
不会。文件完全在浏览器内解码转写，从不出设备。
转写准确率如何？
清晰语音接近人工准确率，自带标点、分段和数字格式化。背景噪音大、多人抢话或离麦克风太远都会降低准确率——想得到最好的文字稿，请用安静环境下近距离录制的音频。
多人说话的音频能转文字吗？
可以——打开说话人识别，声纹分离引擎会把每个轮次标注为说话人 1、说话人 2。以 2–4 个声音区别明显、少抢话的场景效果最好；抢话严重的圆桌可能会把相邻说话人合并。
关于这个音频转文字工具
VoiceTyping 最早是一个实时语音输入记事本。这个页面回应我们听到最多的兄弟需求：把已经录好的音频转成文字。我们没有再搭一条服务器队列，而是把模型搬进浏览器——直播工具同款 SenseVoice 与 Moonshine 权重，再加一套说话人标注用的声纹分离引擎。
于是就有了这个免费且尊重隐私的音频转文字工具：上传 MP3、WAV、M4A 或其他支持格式，拿走带时间戳和说话人标注的文字稿，导出 TXT 或 SRT，然后关掉标签页——全程没有上传。转写一个还是二十个文件，模型都缓存在本地待命。
现在就把音频转成文字