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
語音轉文字
直接在瀏覽器中口述語音筆記、提醒事項、給同事的訊息或簡短備忘錄，或上傳錄音檔，即可取得純文字檔（.txt、UTF 8）。轉錄功能採用開源語音辨識模型 Whisper，於我們自有伺服器上運作，可自動偵測並支援約 100 種語言。
-
錄音： 透過瀏覽器錄音功能說話，每次最長可錄製 30 分鐘，或上傳 MP3、WAV、M4A、AAC、OGG、FLAC 或 WebM。
-
轉錄： Whisper 會加上標點符號寫出語音內容；也可選擇標記訪談與會議中的說話者變更。輸出：純文字檔案（.txt，UTF 8）。
-
隱私保障： 在您確認前，不會上傳任何內容。音訊和轉錄文字會在處理完成後自動刪除，最晚會在數小時內刪除。
轉錄
語音轉文字的運作方式
此頁面結合瀏覽器內建錄音工具與 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，而非透過第三方 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。計時器和音量表會確認是否有音訊輸入。您也可以上傳現有錄音，任何手機的語音備忘錄都可以。
2
檢查並開始
在對話方塊中聆聽錄音。訪談和會議請開啟「偵測多位說話者」（可標示發言者，但處理時間會明顯較長）。接著開始轉錄。
3
下載逐字稿
處理模型運作時會顯示進度；幾分鐘的語音通常不到一分鐘即可完成。您可從結果頁面下載純文字檔案（.txt、UTF 8）。
主要功能
內建 Whisper 技術
Whisper 已使用 68 萬小時的多語言音訊進行訓練，比起幾年前的聽寫引擎，更能有效處理口音、背景雜音和專業詞彙。系統會自動偵測語言。
依需求偵測說話者
針對對話內容，選用的說話者偵測功能會在逐字稿中標示說話者變更。此功能會使處理時間約增加一倍，因此預設為關閉。
符合您工作流程的文字輸出
轉錄文字會儲存為含有一般標點符號和段落換行的純 UTF 8 文字檔，可在任何文字編輯器、文書處理軟體或筆記 App 中開啟，並可貼到任何地方。
免費且私密
無需帳號、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，處理完成後音訊與逐字稿會自動刪除。
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。
本頁面如何將語音轉換為文字
您的瀏覽器會將麥克風錄音儲存為 Opus 音訊（Chrome、Firefox、Edge）或 AAC（Safari），並保留在記憶體中。當您確認後，檔案會透過 HTTPS 上傳至我們的其中一台語音轉文字伺服器。
接著，ffmpeg 會解碼音訊，而 Whisper（一種開放原始碼語音辨識模型）會一次將其轉換為文字，包括標點符號與句子換行。若啟用說話者偵測，說話者分離模型會先依說話者劃分音訊，並據此為逐字稿加上標註。
逐字稿會儲存為使用一般標點符號與段落換行的純 UTF 8 文字檔，因此可在任何文字編輯器、文書處理軟體或筆記 App 中開啟，也能貼到任何地方。您可在結果頁面下載檔案；音訊與逐字稿之後會自動刪除。
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。影響最大的三個因素是距離、雜訊和說話重疊。請將麥克風與嘴巴保持 10–20 公分的距離；近距離拿著手機錄音，比將筆記型電腦放在桌子另一端效果更好。請關閉風扇、關上窗戶，並避免在回音強烈的房間內錄音。
請以正常速度說話並說完句子——模型會利用上下文，因此說到一半的句子和贅詞，比稍微放慢速度、完整說話更容易產生較差的文字結果。進行訪談時，請請大家不要同時說話；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。如果音量計幾乎不動，或持續顯示滿格，建議重新錄音，而不要期待轉錄結果會正確。
語音轉文字的常見用途
此工具適合偏好說話而非打字的使用者，或需要在聊天應用程式以外使用語音訊息的情況：透過說話撰寫電子郵件或文章、記錄會議紀要、將講課內容或語音備忘錄轉為可搜尋的筆記、為研究轉錄訪談回答，以及取得目前無法播放之語音訊息的可讀文字版本。
由於 Whisper 會自動偵測語言，無論是德語聽寫、西班牙語語音筆記或英語講課，都可在同一頁面使用，無需進行任何設定。轉錄文字不會被翻譯，而是以實際說出的語言呈現。
若音訊已儲存為檔案，例如 Podcast、講課或通話錄音，本網站的音訊轉文字與 MP3 轉文字工具會使用相同的引擎與選項。
此工具無法執行的功能
它不會翻譯：轉錄文字會保留為原本的口語語言。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。它不會依姓名辨識說話者；啟用說話者偵測後，只能辨識說話者變更。此外，它無法還原錄音中聽不清楚的詞語。
人名、產品名稱和罕見縮寫最容易出錯；只要留意這些內容，快速檢查一次結果，通常就是清晰錄音所需的全部編輯工作。
FAQ
常見問題
轉錄內容的準確度如何？
在錄音清晰且只有一位說話者的情況下，Whisper 對主要語言的辨識正確率通常可超過 90 %，並能包含標點符號。若有明顯背景雜音、多位人士同時說話、音訊音量過低或方言口音較重，準確率就會下降；以下的錄音建議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，因此無需進行任何設定。混合語言錄音會以主要語言轉錄。轉錄文字會以原本說出的語言呈現，不會進行翻譯。
我說話時音訊會被上傳嗎？
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為止。若您取消操作或關閉分頁，系統不會傳送任何內容。您上傳的檔案和轉錄文字會在處理完成後自動刪除。
錄音最長可以有多久？
瀏覽器內錄音功能會在 30 分鐘後停止；上傳的檔案可以更長。處理時間會隨音訊長度增加，而說話者偵測還會額外增加大約相同的時間。
「偵測多位說話者」有什麼作用？
系統會在轉錄前執行說話者分離步驟，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，否則只會增加等待時間。
之後可以編輯文字嗎？
是的，結果會是純文字 .txt 檔案。您可以使用任何文字編輯器開啟，修正模型聽錯的人名或技術術語，再貼到您需要的地方。專有名詞和較少見的縮寫是最常需要檢查的項目。