采访转录：免费，带说话人标签

在浏览器中免费将采访转录为文本。标记谁在说话，重命名说话人，导出 TXT、SRT 或 VTT 格式并带上名字。

视频和音频转文本

拖放音频或视频文件来转录。

支持的格式: MP3, WAV, M4A, AAC, OGG, OGA, OPUS, FLAC, MP4, WEBM, M4V, MOV, MKV

由 Whisper AI 驱动 — 完全在你的设备上运行。

一次性下载 的选定质量 — 之后即时使用。

本地模型 — 导出前请审核和编辑；准确度可能不如付费云服务。

了解更多
SubtitleKit mascot

工作原理

  1. 1拖放一个音频或视频文件 — 所有数据都保留在你的设备上。
  2. 2选择语言，或让自动检测来处理。
  3. 3你的浏览器使用 Whisper AI 在本地进行转录——首次运行会下载一个针对你设备优化的一次性模型。
  4. 4检查、编辑，然后下载为 SRT、VTT 或纯文本格式。

完全在你的浏览器中运行。

如何免费转录采访，带说话人标签

将采访录音转变为清晰的转录文本，显示谁说了什么。拖入音频或视频，让 Whisper AI 在你的浏览器中写出文本，然后用一个按键为每一行标记为采访者或受访者。无需账户、无分钟限制、无水印。

采访转录在这里如何工作

Whisper AI 模型加载到你的浏览器中，在你自己的设备上转录录音。文本准备好后，说话人标签已经打开：点击或按 Tab 到某一行的说话人标签，然后按 1 或 2 标记谁在说话；为小组讨论添加说话人并按其编号。将采访者和受访者重命名为真实名字，每次导出都会包含它们。

如何转录采访

  • 添加录音：拖入采访音频（MP3、WAV、M4A）或视频（MP4、MOV、MKV），最大 2 GB。
  • 选择语言：设置所说的语言，或保持自动检测开启。
  • 转录并标记说话人：文本出现后，点击或按 Tab 到某一行的说话人标签，然后按 1 表示采访者或 2 表示受访者。为小组讨论添加更多说话人。
  • 重命名并导出：给每个说话人取真实名字，然后下载纯文本用于引用，或下载 SRT 和 VTT 用于已发布的视频采访。

输入和输出格式

任何常见的采访录音都可以，每次导出都会用该格式自己的约定保留你的说话人标签。

  • 音频：MP3、WAV、M4A、AAC、OGG、Opus、FLAC
  • 视频：MP4、MOV、MKV、WebM、M4V
  • 转录：TXT，每个说话人轮次一个段落，每个段落以说话人名字开头
  • 字幕：SRT、VTT（带语音标签）、ASS 等，说话人改变时显示名字

谁用它转录采访

记者

获取采访源的可引用文字记录，每一行都有标注，并将录音保存在你的电脑上。

学术与论文研究

为论文或研究转录定性访谈，按参与者标记，并将 TXT 导入 MAXQDA、ATLAS.ti 或 NVivo 进行编码。音频在你的设备上处理，这有助于符合伦理委员会和数据保护规则。

播客制作者

将两人一集的节目转换为节目说明和可搜索的文字记录，主持人和嘉宾都有标注。

用户体验与市场研究

转录用户访谈和客户通话，然后按参与者提取引用内容到你的研究结果中。

人力资源与招聘

保留候选人和面试官清晰分离的录制访谈的准确记录。

口头历史与家族故事

将亲属或社区成员的回忆保存为可读的、有标注的文字记录。

常见问题

访谈转录是免费的吗？

是的：免费，无需账户、水印、分钟数限制或按分钟计费。转录在你的浏览器中运行，所以没有任何费用。

说话人标签如何工作？

你来标记。转录后，每一行都有一个说话人芯片：按 1 表示采访者，按 2 表示嘉宾。对于小组讨论，先添加说话人，然后按其编号（最多 9 个）。重命名任何一个。说话人目前还不能自动检测，所以最简单的方法是在校对时标记行。

我的访谈录音会被上传吗？

不会。音频在你自己的设备上转录，不会发送到服务器。只有 AI 模型会被下载一次，然后由你的浏览器缓存。

我可以转录哪些文件，我会得到什么？

常见音频（MP3、WAV、M4A、AAC、OGG、Opus、FLAC）和视频（MP4、MOV、MKV、WebM、M4V）文件。你可以下载纯文本（每个说话人轮次一段），或包含说话人名字的字幕，如 SRT 和 VTT。

访谈可以有多长？

最多 4 小时音频，文件大小最多 2 GB。长录音需要更长时间并使用更多内存，所以对于超过一小时的任何内容，桌面或笔记本电脑浏览器效果最好。

我如何获得最准确的文字记录？

从你拥有的最清晰的录音开始，手动设置所说的语言，并在发布任何内容之前根据音频校对名字、数字和引用。

获得更好访谈文字记录的建议

使用原始录音：每个人用单独的麦克风比一部手机放在桌子上效果更好，原始文件比压缩导出效果更好。

如果你知道语言，请手动设置。自动检测只听开头几秒钟，而访谈通常以闲聊开始。

校对时标记：读每一行，按其说话人编号，并在同一遍中修复文本。

导出前重命名：文字记录中的真实姓名可以省去之后的查找和替换，姓名会传入每种格式。