Subanana

语音转文字

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

语音转文字是一个转换动作:把说出来的内容交给 AI,变成可以编辑、搜索和复制的文字。在 Subanana 上传音频文件(MP3、M4A、WAV)、录音笔或手机的录音文件、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,识别说话人并还原标点和分段。支持 95+ 种语言,平均准确率 98%,实际结果会受录音清晰度、背景噪音和专业术语影响。可以导出 TXT、DOCX、XLSX、Markdown,字幕可以导出 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。

如何把语音转成文字?

上传、选择语言、AI 转录、核对后导出。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手机录音、录音笔的文件、会议室录下的音频和视频文件都可以直接上传。单个文件最长 8 小时、最大 30 GB,所有方案相同。也可以粘贴公开的 YouTube、Instagram 链接。
  2. 选择来源语言和输出选定内容使用的语言,再决定要文字稿还是会议记录。同一个任务还可以另外选择一种翻译语言。
  3. AI 自动转录系统按语言选择评测成绩靠前的模型,识别说话人,并还原标点和分段。可疑的片段会自动换一个引擎重新处理。
  4. 核对、提问,然后导出在编辑器里修改,直接向 AI 询问内容,然后导出 TXT、DOCX、XLSX、Markdown 或 SRT、VTT,也可以用你选定的一种格式把全部轨道打包成 ZIP。

一次语音转文字包含什么?

具体规格,方便你和正在使用的工具直接比较。

输入
音频文件(MP3、M4A、WAV)、视频文件(MP4、MOV、WEBM)、公开的 YouTube 和 Instagram 链接
准确率
平均 98%,实际结果会受录音清晰度、背景噪音和专业术语影响
语言
95+ 种语言,句子中途切换语言的说话方式也能处理
结构
自动标记说话人,还原标点和分段
导出格式
TXT、DOCX、XLSX、Markdown,字幕为 SRT、VTT,可以用选定的一种格式把全部轨道打包成 ZIP(不支持 PDF 导出)
文件上限
单个文件最长 8 小时、最大 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)

转成文字之后,还能做什么

文字稿不是终点。同一份文字可以直接延伸出下面这些内容。

  • 摘要和会议记录从会议、演讲、商务、医疗、法律等 14 个内置模板中选择一个,整理出要点、关键决策和待办事项。摘要使用哪个 AI 模型可以自己选。
  • 向文字稿提问“后来决定了什么”“这件事谁负责”,在编辑器里直接问,AI 根据文字稿内容回答。
  • 词汇表和背景资料包把公司名、人名和内部术语存进词汇表,之后的文件就会使用同一种写法。可以用 XLSX 或 CSV 批量导入,也可以上传 PDF、DOCX 作为参考资料。
  • 翻译和字幕同一段录音可以再得到另一种语言的文字。需要字幕时,可以导出 SRT、VTT 和原文译文并列的双语字幕,也可以直接输出烧录字幕的视频。

大家常问的问题常见问题

可以免费开始。用免费账号上传文件,每个文件可以预览前 15 分钟的转录结果,每月 3 个文件,无需信用卡。把文字或字幕导出成文件是付费方案的功能。也就是说,你可以先确认自己的录音能转得多准,再决定是否付费。

可以。MP3、M4A、WAV 等音频文件,以及 MP4、MOV、WEBM 等视频文件,都可以直接在浏览器上传,不用安装软件。单个文件最长 8 小时、最大 30 GB,所有方案相同。

可以。录音笔的文件、手机的语音备忘录、会议室录下的音频,都可以直接上传。录音时离说话人越近、背景越安静,结果就越准确。

可以。粘贴公开的 YouTube、Instagram 链接,Subanana 会自动获取内容并转录,不用先把视频下载到电脑。Subanana 提供的是转录出来的文字,不是对方网站上的视频文件。

平均 98%。实际结果会随录音清晰度、背景噪音和专业术语的多少而变化。把公司名和人名加入词汇表,专有名词的写法会更统一。系统会按语言自动分配评测成绩靠前的模型。

每份转录结果都会做质量检查。发现与音频对不上的内容时,那一段会自动换另一个模型重新处理,不会就这样写进文字稿。静音就是静音,不会变成模型想象出来的一句话。内部换模型重新处理不会额外扣除额度,只按那一个文件计算。

会自动识别并标记说话人,人数也可以自己指定。标点和分段也会自动还原,不会变成一长串没有断句的文字。可以导出 TXT、DOCX、XLSX、Markdown,字幕可以导出 SRT 和 VTT,也可以用你选定的一种格式把全部轨道打包成 ZIP(不支持 PDF 导出)。

可以。支持 95+ 种语言,中文句子里夹英文产品名、公司名的说话方式也能处理。转录完成后,还可以再得到翻译成另一种语言的文字。

更新于 2026-11-01