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 TXT
直接在瀏覽器中口述語音備忘、提醒事項、給同事的訊息或簡短備註，也可以上傳錄音檔，即可取得純文字檔（.txt、UTF 8）。轉錄服務透過我們自有伺服器上的開源語音辨識模型 Whisper 執行，支援約 100 種語言，並會自動偵測語言。
-
錄音： 使用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 會為語音加上標點並轉寫成文字；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）。
-
隱私保護： 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，最晚於數小時內刪除。
語音轉文字
語音轉 TXT 如何運作
此頁面結合瀏覽器內錄音功能與 GPU 語音轉文字後端。錄音使用 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
錄製或上傳
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音訊正在輸入。您也可以上傳現有錄音，任何手機的語音備忘錄都可以。
2
確認並開始
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
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。您可從結果頁面下載純文字檔（.txt，UTF 8）。
主要功能
內建 Whisper 技術
Whisper 以 680,000 小時的多語言音訊資料訓練而成，對口音、背景雜音和技術詞彙的辨識能力，遠勝於幾年前的聽寫引擎。系統會自動偵測語言。
可依需求偵測說話者
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 TXT 輸出
轉錄文字會儲存為純 UTF 8 文字檔，包含一般標點符號與段落換行，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。
免費且私密
無需帳號、沒有浮水印，也沒有試用次數限制。錄音內容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。
本頁面如何將語音轉換為 TXT
您的瀏覽器會將麥克風錄音記錄為 Opus 音訊（Chrome、Firefox、Edge）或 AAC（Safari），並暫存在記憶體中。當您確認後，檔案會透過 HTTPS 上傳至我們的其中一台轉錄伺服器。
在伺服器上，ffmpeg 會解碼音訊，而 Whisper（一個開放原始碼的語音辨識模型）會一次將音訊轉換為文字，包含標點符號和句子分段。若已啟用說話者偵測，語者分離模型會先依說話者劃分音訊，並在轉錄文字中加入相應標註。
轉錄文字會儲存為純 UTF 8 文字檔，保留一般標點符號和段落換行，因此可在任何文字編輯器、文書處理軟體或筆記應用程式中開啟，也能貼到任何地方。您可在結果頁面下載檔案；音訊和轉錄文字之後會自動刪除。
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、雜訊與多人重疊說話。請讓麥克風與嘴巴保持 10–20 公分的距離；將手機靠近嘴邊收音，比把筆電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贅詞產生的文字品質，會比稍微放慢速度、完整說話更差。進行訪談時，請請大家避免同時說話；重疊語音是任何辨識器最難處理的情況。
開始前請先聆聽預覽。如果音量計幾乎沒有動作，或持續顯示滿格，建議重新錄音，不要期待轉錄文字會正確產生。
語音轉 TXT 的常見用途
此工具適合偏好說話而非打字的人，或需要在聊天應用程式以外傳送語音訊息的人：您可以透過說話撰寫電子郵件或文章、記錄會議內容、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，以及取得目前無法播放的語音訊息之可閱讀文字版本。
由於 Whisper 會自動偵測語言，因此無論是德語聽寫、西班牙語語音筆記或英語講座，都能在同一頁面處理，無需任何設定。逐字稿不會被翻譯，而是會以原本說話的語言呈現。
若音訊已經是檔案形式，例如 Podcast、講座或通話錄音，本網站的音訊轉文字和 MP3 轉文字工具會使用相同的引擎與選項。
此工具無法執行的操作
此工具不會翻譯：逐字稿會保留為口說語言。它不會產生字幕時間軸；如需 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，僅會在啟用說話者偵測時辨識說話者變更。此外，它無法還原錄音中聽不清楚的內容。
人名、產品名稱和罕見縮寫是最常見的錯誤；通常只要針對這些項目快速檢查結果，清晰錄音所需的編輯就差不多完成了。
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。若有明顯背景雜音、多位人士同時說話、音訊音量過低或方言較重，準確度就會降低；以下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，因此無需進行任何設定。混合多種語言的錄音會以主要語言進行轉錄。逐字稿會以實際說話的語言呈現，不會進行翻譯。
我說話時音訊會同步上傳嗎？
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。如果您取消或關閉分頁，系統不會傳送任何內容。上傳的檔案和轉錄文字會在處理完成後自動刪除。
錄音最長可以多長？
瀏覽器內錄音功能最長可錄製 30 分鐘；上傳的檔案則可以更長。處理時間會隨音訊長度增加，而說話者偵測會再額外增加約相同的處理時間。
「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步驟，並在說話者變更時插入標記。適合用於訪談、會議和 Podcast；聽寫與語音備忘錄則建議關閉此功能，否則只會增加等待時間。
為什麼是 .txt 檔案，而不是 Word 文件？
純文字是最方便攜帶的結果格式：可在任何裝置上開啟，能順暢貼到筆記、電子郵件、CMS 編輯器和聊天工具中，而且檔案很小。如果您需要保留格式的文件，請將文字貼到您的文書處理軟體中，或使用本站的語音轉 PDF 工具。