隱私優先
上傳的檔案會在兩小時內自動永久刪除。
自動刪除
語音轉 PDF
直接在瀏覽器中口述聽寫內容、旁白、課堂筆記、訪談回答或簡短配音，或上傳錄音檔，即可將文字轉為 PDF 文件。轉錄功能採用開源語音辨識模型 Whisper，並在我們自己的伺服器上運行，支援約 100 種語言並可自動偵測。
-
錄音： 使用瀏覽器錄音工具說話——每次最長 30 分鐘——或上傳 MP3、WAV、M4A、AAC、OGG、FLAC 或 WebM。
-
轉錄： Whisper 會連同標點符號寫下語音內容；可選擇標示訪談與會議中的說話者變更。輸出：PDF 文件。
-
隱私保障： 在您確認前，不會上傳任何內容。音訊和逐字稿會在處理完成後自動刪除，最晚於數小時內刪除。
語音轉文字
語音轉 PDF 的運作方式
此頁面結合瀏覽器內錄音工具與 GPU 轉錄後端。錄音功能使用 Chrome、Firefox、Edge 和 Safari 內建的 MediaRecorder 介面；語音辨識則由 OpenAI 發布的開源模型 Whisper 處理，並在我們自有的硬體上執行，而非使用第三方 API。
如何使用 Converter App
1
錄音或上傳檔案
按下「使用麥克風錄音」，允許一次存取權限後即可開始說話。計時器和音量計會確認是否正在接收音訊。您也可以上傳現有錄音，任何手機的語音備忘錄都可以。
2
確認並開始
在對話框中聆聽錄音。若是訪談或會議，請開啟「偵測多位說話者」（可標示說話者，但處理時間會明顯較長）。接著開始轉錄。
3
下載逐字稿
模型處理時會顯示進度；幾分鐘的語音通常不到一分鐘即可完成。您可在結果頁面下載 PDF 文件。
主要功能
內建 Whisper 技術
Whisper 已使用 680,000 小時的多語言音訊進行訓練，比起幾年前的語音聽寫引擎，更能準確處理各種口音、背景雜音和專業術語。系統會自動偵測語言。
可依需求偵測說話者
針對對話內容，可選的說話者偵測功能會在轉錄文字中標示說話者變更。此功能會使處理時間約增加一倍，因此預設為關閉。
符合您工作流程的 PDF 輸出
語音轉錄內容會先轉為文字，再使用 LibreOffice 排版成 PDF——這是一份簡潔、可列印的文件，文字可選取，不含掃描內容或圖片。
免費且保障隱私
無需帳戶、沒有浮水印，也沒有試用次數限制。錄音在您確認前絕不會離開您的裝置，處理完成後，音訊和逐字稿會自動刪除。
體驗與隱私
專為可靠的轉錄工作流程打造。
由工程師開發，具備10 年以上經驗，專精於大型基礎架構、 資料系統與科學運算。專為重視隱私、 可靠處理與實用性的真實音訊工作流程而設計。
此頁面如何將語音轉換為 PDF
您的瀏覽器會將麥克風錄音儲存在記憶體中，格式為 Opus 音訊（Chrome、Firefox、Edge）或 AAC（Safari）。當您確認後，檔案會透過 HTTPS 上傳至我們的其中一部轉錄伺服器。
伺服器會使用 ffmpeg 解碼音訊，再由 Whisper 這款開放原始碼語音辨識模型一次將其轉換為文字，包含標點符號與句子分段。若已啟用說話者偵測功能，系統會先透過說話者分離模型依說話者劃分音訊，並據此為逐字稿加上標註。
逐字稿會先以文字形式寫入，再透過 LibreOffice 排版為 PDF：這是一份純文字、可列印且文字可選取的文件，不含掃描內容或圖片。您可在結果頁面下載檔案；之後音訊與逐字稿都會自動刪除。
比任何設定都更重要的錄音技巧
語音辨識的效果取決於音訊品質。有三項因素影響最大：距離、雜訊和語音重疊。請將麥克風與嘴巴保持 10–20 公分的距離；靠近嘴邊的手機，比放在桌子另一端的筆電效果更好。請關閉風扇、關上窗戶，並避免在回音明顯的房間錄音。
請以正常速度說話，並說完完整句子——模型會利用上下文，因此說到一半的句子和填充詞，產生的文字效果會比稍微放慢速度、完整說話更差。進行訪談時，請請受訪者不要互相搶話；語音重疊是所有辨識系統最難處理的情況。
開始前請先聆聽預覽。如果音量計幾乎沒有動作，或持續顯示在最高位置，建議重新錄音，不要期待轉錄文字能正確產生。
語音轉 PDF 的常見用途
此工具適合教師、Podcaster、記者，以及所有說話時比打字更快思考的人使用：透過說話草擬電子郵件或文章、記錄會議紀要、將講座或語音備忘錄轉為可搜尋的筆記、為研究轉錄訪談回答，或取得目前無法播放的語音訊息的可閱讀文字版本。
由於 Whisper 會自動偵測語言，因此無論是德語聽寫、西班牙語語音備忘錄或英語講座，都可在同一頁面使用，無須進行任何設定。轉錄內容不會被翻譯，而是會以原本說出的語言呈現。
對於已經儲存為檔案的音訊，例如 Podcast、講座和通話，本網站的音訊轉文字與 MP3 轉文字轉換工具會使用相同的引擎與選項。
此工具無法執行的功能
此工具不會翻譯：逐字稿會保留為語音原本使用的語言。它不會產生字幕時間碼；如需建立 SRT 或 VTT 檔案，請使用本網站的字幕轉換工具。啟用說話者偵測時，它不會依姓名辨識說話者，只會偵測說話者是否更換。此外，它無法還原錄音中聽不清楚的內容。
專有名詞、產品名稱和罕見縮寫最容易出現錯誤；只要快速檢查結果並特別留意這些內容，通常就是清晰錄音所需的全部編輯工作。
FAQ
常見問題
轉錄文字的準確度如何？
在錄音清晰且只有一位說話者的情況下，Whisper 通常能正確辨識主要語言中超過 90% 的文字，包括標點符號。若背景雜訊很大、多位人士同時說話、音訊音量過低或方言很重，準確度就會下降；以下的錄音提示比任何設定都更有幫助。
支援哪些語言？
Whisper 可辨識約 100 種語言，並會根據音訊開頭幾秒自動偵測語言，無需進行任何設定。混合語言錄音會以主要使用的語言轉錄。逐字稿會以原本的口語語言產生，不會進行翻譯。
我說話時會上傳音訊嗎？
不會。錄音工具會將音訊保留在您的瀏覽器中，直到您按下對話方塊中的按鈕。如果您取消或關閉分頁，系統不會傳送任何內容。上傳的檔案和逐字稿會在處理完成後自動刪除。
錄音最長可以有多久？
瀏覽器內錄音功能最長可錄製 30 分鐘；上傳的檔案則可更長。處理時間會隨音訊長度增加，而說話者偵測大約還會再增加相同的時間。
「偵測多位說話者」的功能是什麼？
系統會在轉錄前執行說話者分離程序，並在說話者變更時插入標記。適合用於訪談、會議和 Podcast；若是聽寫與語音備忘錄，建議關閉此功能，因為它只會增加等待時間。
PDF 看起來會是什麼樣子？
純 A4 文件，內含可選取的逐字稿文字，無頁首圖像、無浮水印。適合歸檔、列印或附加至電子郵件；若您想編輯文字，本網站的語音轉文字工具也可將相同逐字稿提供為 .txt 檔案。