每条字幕都带有时间戳
查看识别文本对应的起止时间。
在线音视频转字幕
将录音和视频中的语音转换为带时间戳的字幕，可下载 SRT 或 JSON。
将音频或视频文件拖到这里
最长 3 小时；媒体文件最大 2 GB
MP4 / FLV / TS / AVI / MOV / WMV / MKV / MP3 / M4A / WAV
标注说话人
文件受账户权限保护，在云端处理。原文件：24 小时 · 结果：7 天
将语音转换为带时间戳的文本
为访谈、会议和视频生成字幕初稿，通过时间戳快速定位每段语音。
支持四种语言
可选择简体中文、美国英语、西班牙语或印度尼西亚语。
云端处理
提交任务后可继续使用其他页面，任务会在云端处理。
下载 SRT 与 JSON
SRT 可用于字幕编辑器和播放器；JSON 保留结构化文本、时间及可用的说话人标签。
先查看积分报价
按检查后的输入时长报价，开始处理前显示总积分。
任务文件私密访问
原文件可在账户内访问 24 小时，转写结果可访问 7 天。
如何生成字幕
上传文件、选择语音语言，然后下载转写结果。
选择媒体文件
选择支持的音频或视频，最大 2 GB、最长 3 小时。
选择语音语言
选择语音语言，并决定是否请求说话人标签。
查看并下载
检查带时间戳的文本，然后下载 SRT 或 JSON。
将转写结果用于各种项目
为访谈、录音和视频工作流准备字幕文件。
访谈
让访谈内容便于查找
从录制对话生成带时间戳的文本，方便检查和编辑。
录音
转写较长录音
将支持的录音转换为可查看和导出的字幕文本。
视频
准备字幕文件
从支持的视频文件生成 SRT 或 JSON 转写结果。
文件与输出规格
上传后会检查文件是否符合要求，请保留原始文件。
- 输入格式
- MP4 / FLV / TS / AVI / MOV / WMV / MKV / MP3 / M4A / WAV
- 文件大小上限
- 2 GB
- 时长上限
- 3小时
- 输入要求
单个音频或视频最大 2 GB、最长 3 小时，更长录音需先拆分再上传。
根据录音中的语音选择简体中文、美国英语、西班牙语（西班牙）或印度尼西亚语。
- 输出结果
可下载供播放器或编辑器使用的 SRT 字幕，或包含结构化文本和时间戳的 JSON。结果是独立文件，不会烧录到视频画面中；可在常用字幕编辑器中校对和修改。
- 使用限制
开启后会尝试区分不同声音，并在可用时返回 speaker_0 等标签。标签不代表真实身份，也可能缺失或识别错误。
背景噪声、多人同时说话、口音和含糊语音可能造成漏字或错字。请对照录音检查人名、数字与时间，再用字幕或文本编辑器修改下载的文件。
音视频转写常见问题
了解语言选择、转写准确度与下载结果的用途。