音频转文字：任何录音，一键转录， 完全免费。

大部分录音从没被人读过，问题正出在这里。大约 85% 的社交视频是在静音状态下观看的，也就是说，只要内容靠声音传递、屏幕上又没有文字，观众基本就错过了。播客、讲座、销售通话、采访都面临同样的困境：那些话很有价值，却被锁在一个搜索引擎无法收录、读者也无法快速浏览的文件里。

转录能把这些声音解锁出来。语音一旦变成文字，整段录音就能被搜索、引用、翻译和二次创作。一段一小时的采访，过去只能躺在文件夹里无人问津，如今可以变成一篇文章、一套字幕、一批金句，以及一份全团队几秒钟就能检索的文字稿。

还有成本这笔账。一名熟练的速记员手动转录一小时音频，大约要花四个小时。自动转录只需要几分钟，这正是如今但凡有录音的团队都默认先转录的原因。

说白了：软件听一遍录音，再把听到的内容打成文字。如今的转录早已不只是把字堆到页面上——它会标记时间戳、区分不同说话人，还能适应各种口音和背景噪音。

• 自动转录 vs. 人工转录。 自动转录即时且低成本，准确度取决于音质；人工转录更慢、需付费，但在处理重口音和交叉对话时表现更好。
• 逐字稿 vs. 精简稿。 逐字稿保留每一个语气词，精简稿则去掉它们以便阅读。多数人做内容用精简稿，用于法律场景则用逐字稿。
• 时间戳与说话人分离。 时间戳标记每句话说出的时刻，说话人分离则标注是谁在说。两者在采访、会议和字幕场景都至关重要。
• 文字稿 vs. 字幕（caption）vs. 字幕（subtitle）。 文字稿是完整的文本；caption 是与视频同步的那段文字；subtitle 通常是面向其他受众的翻译版本。

记者和研究人员 丢进一段采访录音，就能拿到带时间戳、逐个标注说话人的文字稿，几分钟内提取直接引语，不必再在音频里来回拖动查找。

内容团队 把一期播客当成内容引擎——文字稿变成博客文章，文章变成邮件通讯，最精彩的几句则做成金句海报。

课程创作者和教育者 把讲座转成文字，学生可以边看边读、随手检索，再为视频配上字幕，让所有人都能无障碍地获取内容。

销售和客服团队 把通话录音变成可搜索的记录——检索文字稿就能定位到那句原话，还附带对应的时间戳。