语音转文字
在浏览器中将语音备忘录、会议和音频文件转换为清晰的文字。私密且支持多语言。
快速说明与规格
核心流程在此浏览器中运行。开始前请核对支持格式、公开限制以及按需下载的模型大小。
- 输入
- 麦克风、WAV、MP3和M4A
- 输出
- 文本
- 处理位置
- 此设备的浏览器中
- 模型支持的语言
- 100 种语言 — 请查看语言选择菜单
- 按需模型下载
- 99 MB
- 最后核验
界面语言与模型处理语言不同。识别和发音质量因语言而异，请核对结果。
准备好转录了。点击麦克风或上传音频文件。
sherpa-onnx WASM仅在首次开始录音或上传音频后，才会下载约127MB的语音引擎和模型文件。
点击录音
或上传音频文件
转录结果
转录的文字将显示在此处。对着麦克风清晰说话或上传音频文件…
如何在浏览器本地将语音转为文字
Aiviko 语音转文字 (STT) 工具可在浏览器本地将麦克风录音或 WAV、MP3、M4A 音频文件转录为可编辑文本，无需将录音上传到服务器。工具通过 sherpa-onnx WebAssembly 运行支持 99 种语言的多语言 Whisper tiny (int8) 模型（首次开始转录时下载约 104 MB 模型权重，含运行时共约 127 MB 并缓存复用）。
1. 选择语音语言或自动检测
在菜单中指定录音所使用的语言（如中文、英文、韩文、日文、西班牙文）或保持自动检测。
2. 麦克风录音或上传 WAV/MP3/M4A
点击麦克风说话或选择本地音频文件；首次使用会自动下载并缓存约 127 MB 的语音引擎与模型文件。
3. 核对草稿并复制或下载 TXT
对照原录音检查人名、数字和关键表述，然后一键复制文字或导出为 TXT 纯文本文件。
支持的音频格式与转录特性
- 支持 MP3、WAV、M4A 音频文件本地转文字以及浏览器麦克风实时录音转写
- 搭载支持 99 种语言及自动语种识别的多语言 Whisper tiny (int8) 语音识别模型
- 在跨源隔离的 WebAssembly 环境内将音频重采样为 16 kHz 并完成推理，录音不离开本机
- 支持一键复制与 TXT 文本导出，适合整理语音备忘录、采访录音和会议草稿
模型精度与浏览器限制
- 为兼顾浏览器下载体积（模型约 104 MB）与本地运行速度，工具采用轻量级 Whisper tiny 模型，输出结果仅供草稿参考。
- 背景噪音、背景音乐、多人同时发言、方言口音或专业词汇可能导致错字与漏字，重要内容请务必人工校对。
- 音频需由当前浏览器的 Web Audio 解码；若需处理视频文件或导出带时间轴的 SRT/VTT 字幕，请使用“字幕生成器”。
相关语音与音视频工具
语音转文字常见问题
我的录音或 MP3 文件会上传到服务器吗？
不会。音频解码与语音识别均在您的浏览器本地执行。仅在首次开始录音或上传文件时，浏览器会下载约 127 MB 的引擎与模型资产。
如何把视频或音频转成带时间轴的 SRT 字幕？
语音转文字工具仅输出纯文本。如果需要时间轴校准、视频抽音（MP4/MOV/WebM）或导出 SRT/VTT 字幕，请打开 Aiviko 字幕生成器。
怎样提高语音识别的准确度？
建议在语言下拉菜单中手动指定实际说话的语种（而非自动检测），并使用人声清晰、背景安静的音频片段。
使用前须知
产品信息审核：Aiviko Team处理位置
所选输入在浏览器中处理，不会上传到 Aiviko 的处理服务器。
可能使用网络的内容
页面可能下载代码、字体、运行文件或机器学习模型。分析与广告仅按隐私和 Cookie 政策所述选择与条件加载。
结果与限制
速度、准确率和实际最大文件大小取决于输入、浏览器与设备。重要用途前请阅读指南。