Subanana

文字稿生成器

将视频或音频拖放到这里
或
MP4、MOV、MP3、WAV、M4A,最大 2 GB。

简体中文(中国大陆)跟随源语言

文字稿是一份文档:把说过的话逐句留下来,每句话都标好是谁说的、在第几分第几秒说的,可以直接引用、存档或附进报告。在 Subanana 上传音频文件(MP3、M4A、WAV)、录音笔或手机的录音、视频文件(MP4、MOV、WEBM),或者粘贴公开的 YouTube、Instagram 链接,AI 就会自动转成文字稿,识别说话人,还原标点和分段。支持 95+ 种语言,平均准确率 98%,实际结果受录音清晰度、背景噪音和术语影响。可以导出 TXT、DOCX、XLSX、Markdown,需要字幕则有 SRT、VTT,每个文件前 15 分钟可免费预览。

无需信用卡。前 15 分钟免费预览。

  • Google
  • Deloitte
  • dentsu
  • Manulife
  • NAVER
  • Philips
  • Amazon
  • Shopify
  • Figma
  • Coinbase
  • WPP
  • Semrush
  • Google
  • Deloitte
  • dentsu
  • Manulife
  • NAVER
  • Philips
  • Amazon
  • Shopify
  • Figma
  • Coinbase
  • WPP
  • Semrush

一段录音如何变成文字稿

访谈录音

M4A · 58:12 · 已上传

上传文件、粘贴链接,或直接在浏览器中录音支持 95+ 种语言,付费方案每个文件最多 10 种

文字稿

00:12

我们把上线时间改到六月第一周。

00:47

可以,但定价页必须在那之前定稿。

文字稿

TXT · DOCX · XLSX · Markdown

字幕文件

SRT · VTT

翻译

95+ 种语言

摘要

重点 · 待办事项

提问

直接向文字稿提问

为什么团队把录音交给 Subanana

这不是功能清单,而是决定一份文字稿能否直接使用、无需重听的关键。

一份读得懂的文字稿

  • 自动区分说话人每句话都标明是谁说的,自动识别。
  • 标点与分段自动恢复标点和段落,读起来是文章,不是一整面文字墙。
  • 文字已整理语气词会被清理,意思保持不变。
  • 向文字稿提问在编辑器中向录音提问,答案基于实际说过的内容。

准确度靠工程实现,不是口号

  • 每种语言选最佳模型持续评测语音模型,每个文件都交给该语言表现最好的模型。
  • 幻觉检测可疑输出会被拦截,由另一个引擎重新处理后才交给你。
  • 专有名词按你的写法把人名、产品名和行话存入术语表,应用到你的所有项目。
  • 先建议,后确认AI 校对会建议修正听错的词;你确认之前不会有任何改动。

谁在这里把语音变成文字

流程相同,差别在交付物:文字稿、会议记录、字幕还是摘要。

会议与通话

企业团队

在文字稿之上生成摘要、决策和待办,趁会议记忆犹新就分享出去。

视频与播客

内容创作者

一份文字稿生成字幕、节目笔记和金句,每个发布平台都用得上。

访谈

记者与研究人员

引用必须一字不差、标明说话人,而且要赶在截止日期之前完成。

课堂与讲座

学生与教师

长录音自动生成摘要、可搜索,复习直接从重点开始。

如何把录音整理成文字稿?

上传、选语言、AI 转写、确认后导出,全部在浏览器里完成,不用安装软件。

  1. 上传文件或粘贴链接访谈录音、会议音频、演讲视频都可以直接上传。单个文件最长 8 小时、最大 30 GB,所有方案都一样。也可以粘贴公开的 YouTube、Instagram 链接。
  2. 选择原始语言和输出选定内容说的是哪种语言,AI 会按语言分配到评测表现领先的模型进行转写。
  3. AI 自动整理成文字稿自动识别说话人,标上时间码,还原标点和分段。可疑的片段会自动换一个模型重跑,不会把猜测写进文字稿。
  4. 确认、提问,然后导出在编辑器里核对内容,直接向文字稿提问,得到附时间码的答案,然后导出 TXT、DOCX、XLSX、Markdown,或 SRT、VTT,也可以把所有轨道以选定的一种格式打包成 ZIP。

一份文字稿包含什么?

不讲形容词,只讲具体规格,可以直接和你现在用的工具比较。

输入
音频文件(MP3、M4A、WAV)、视频文件(MP4、MOV、WEBM)、公开的 YouTube/Instagram 链接
准确率
平均 98%,受录音清晰度、背景噪音和术语影响
语言
95+ 种语言,中英混说也能处理
结构
自动标记说话人和时间码,还原标点和分段
导出格式
TXT、DOCX、XLSX、Markdown,字幕为 SRT、VTT,可把所有轨道以选定的一种格式打包成 ZIP
文件上限
单个文件 8 小时、30 GB,所有方案相同
免费方案
每个文件前 15 分钟,每月 3 个文件(导出是付费方案的功能)

文字稿做好之后,还能做什么

文字稿不是终点。同一份文字,还可以直接产出下面这些内容。

  • 笔记和关键决策从会议、访谈、演讲等 14 个内置模板里挑一个,提取重点、关键决策和待办事项。
  • 向文字稿提问“后来决定了什么”“这段是谁说的”,在编辑器里直接问,回答会附上依据的时间码和原句。
  • 词汇表和背景资料包把人名、公司名和项目代号登记下来,之后的文件就会统一用同一种写法。
  • 翻译和字幕同一份文字稿可以再生成另一种语言的文字,或者输出成 SRT、VTT 字幕。

大家常问的问题常见问题

可以先免费试。注册之后上传文件,每个文件前 15 分钟的文字稿都可免费预览,每月 3 个文件,不用绑定信用卡。把文字稿或字幕下载成文件是付费方案的功能。

MP3、M4A、WAV 等音频文件,还有 MP4、MOV、WEBM 等视频文件,都可以直接从浏览器上传。单个文件最长 8 小时、最大 30 GB,免费和付费方案的上限相同。录音转文字稿之前,不用自己先转格式或压缩。

可以。录音笔的 WAV、手机的语音备忘录、会议室录下的音频,上传后就会开始处理。麦克风离说话的人越近、环境越安静,结果就越干净。

不用安装任何软件,整个流程都在浏览器里完成。手上没有文件、只有网址的话,粘贴公开的 YouTube、Instagram 链接也可以,不用先把视频下载下来。

平均准确率 98%。实际结果会随录音质量、背景噪音和专业术语的密度浮动。先把人名、公司名和项目代号加进词汇表,这些词的写法会稳定很多。

不会。每一段转写都会和音频比对,对不上就自动换另一个模型重跑,而不是把猜出来的句子留在文字稿里。重跑不额外扣额度,计费只算这个文件本身的长度。

说话人会被自动识别并标上编号,也可以直接指定人数。导出的文字格式有 TXT、DOCX、XLSX、Markdown,字幕是 SRT 和 VTT,也可以把所有轨道以选定的一种格式打包成 ZIP。

可以。支持 95+ 种语言,中文句子里夹着英文产品名或技术词的说法也能处理。转成文字稿之后,还可以再翻译成另一种语言。

更新于 2026-11-01