语音转文字是在线录音转文字工具：上传会议录音、采访音频、课程录音或视频文件，系统自动识别成逐句带时间戳的文字，可以区分不同说话人，并导出 TXT 文本或 SRT 字幕。
功能特点
- 支持 MP3、M4A、WAV、AAC、FLAC、OGG、AMR、WMA 音频和 MP4 视频，单个文件不超过 200 MB、150 分钟
- 区分说话人：对话、会议录音按说话人分段标注
- 过滤语气词：去掉“嗯”“啊”等口头语，文字更干净
- 数字转换：中文数字自动转为阿拉伯数字
- 在线查看逐句结果，复制全文或下载 TXT / SRT 字幕
使用步骤
- 上传录音或视频文件
- 按需开启区分说话人、过滤语气词、数字转阿拉伯数字，提交识别
- 识别完成后在线查看，复制全文或下载 TXT / SRT 字幕；识别期间可以离开页面，稍后回来查看
常见用途
- 会议录音整理成会议纪要
- 采访、访谈录音转成文字稿
- 课程、讲座录音整理成笔记
- 给短视频、网课生成 SRT 字幕，导入剪映、Premiere 等剪辑软件
计费
按音频时长计次：每 15 分钟算 1 次，不足 15 分钟按 15 分钟算。每天有免费次数，用完后按次从余额扣费，识别失败会自动退回。
常见问题
识别准确率怎么样？
普通话及常见口音的清晰录音准确率较高；背景噪声大、多人同时说话、方言较重时准确率会下降，建议识别后对照录音检查关键内容。
需要等多久？
识别由阿里云智能语音交互（录音文件识别）完成，一般几十秒到几分钟出结果。
视频格式不是 MP4 怎么办？
先用音视频格式转换提取成 MP3 再上传，文件更小，上传也更快。
文件会被保存吗？
上传的文件 6 小时内删除，识别结果保留 7 天。