音频翻译：转录并翻译任意录音

拖入一段录音，在浏览器中完成转录，并翻译成英语或 100 多种其他语言。音频保留在你的设备上；只有文本会发送到翻译服务。

音频转文本

拖入音频文件以进行转录和翻译。

支持的格式: MP3, WAV, M4A, AAC, OGG, OGA, OPUS, FLAC

你的音频保留在此设备上。转录文本会发送到翻译服务（Google、Yandex 或 Microsoft）。

由 Whisper AI 驱动：在你的设备上完成转录。

所选质量需一次性下载 。之后每次运行都会先在你的设备上准备模型。

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

工作原理

  1. 1拖入音频或视频文件。音频保留在此设备上。
  2. 2选择要翻译成的语言。源语言可保持自动检测，也可手动选择。
  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转录文本会发送到翻译服务。检查翻译后的行，然后下载为 SRT、VTT 或纯文本。

在你的设备上完成转录。只有转录文本会被发送去翻译。

如何翻译音频文件

1

拖入你的录音

拖入 MP3、WAV、M4A 或任何常见音频文件（视频同样可以），或点击浏览。

2

选择语言

选择要翻译成的语言；默认为本页面的语言，或你在此浏览器中上次选择的语言。将口语语言保持为“自动检测”，或自行选择以获得最佳准确度。

3

转录并翻译

点击“转录并翻译”。首次运行时会下载一次语音模型，然后显示转录文本，转录完成后翻译会自动开始。

4

检查并下载

阅读原文下方的每一行译文，并可修改任何你想调整的内容。选择格式，选择“译文”或“原文”，然后下载。

音频翻译：转录录音并翻译

一种语言的讲座、访谈、播客或语音备忘录，可以转换为另一种语言的带时间轴字幕或文本。拖入文件，选择要翻译成的语言，页面便会在你的浏览器中使用 Whisper AI 转录语音，然后将每一行翻译成英语或其他 100 多种语言之一。无需账户，也没有水印。

音频翻译的工作原理

两个步骤依次运行。首先，Whisper AI 语音模型加载到你的浏览器中，在你的设备上转录录音，因此原文会连同时间信息一起显示。转录完成后，文本会立即发送到翻译服务，翻译后的各行会以相同的时间信息返回。原文显示在每行译文上方，方便你在下载前进行对比。

哪些内容留在你的设备上，哪些会被发送

音频留在你的设备上：语音模型在你的浏览器中运行并在本地完成转录。只有转录文本会发送到翻译服务（Google、Yandex 或 Microsoft）进行翻译。如果你也希望文本留在设备上，可以在“音频转 SRT”中只转录而不翻译。

从任意录音到翻译后的字幕或文本

MP3、WAV、M4A、AAC、OGG、OGA、Opus 和 FLAC 录音可直接输入，MP4、MOV、MKV、WebM 和 M4V 视频也可以。AMR 或 WMA 等其他格式需要先转换。翻译结果以你选择的格式输出。

  • MP3、WAV、M4A 和 AAC：播客、访谈、讲座以及 iPhone 语音备忘录。
  • OGG、OGA、Opus 和 FLAC：语音聊天导出文件、WhatsApp 和 Telegram 语音消息，以及无损存档。
  • 视频同样支持：MP4、MOV、MKV、WebM 和 M4V 会读取其中的声音。
  • 输出：SRT（默认）、VTT、ASS、SSA、SUB、SMI、SBV、LRC、TTML、纯文本或 Word 文档，可选择译文或原文。

谁在翻译音频

播客与内容创作者

用观众的语言发布带字幕的节目或视频，内容基于原始录音制作。

为观众提供字幕

为不懂这门语言的观众提供带时间轴的字幕，让他们可以边听声音边阅读。

研究人员与记者

将另一种语言录制的采访转换为易读的文字稿，并附上译文，左右对照。

教师与学生

跟随另一种语言的讲座或音频课程，译文会按语音时间同步显示。

会议与商务

将录制的通话或网络研讨会翻译成团队使用的语言，以文本或 Word 文档形式输出。

语言学习者

每句录音下方都附有译文，你可以下载两个版本进行学习。

常见问题

如何将音频文件翻译成英文？

将文件拖到本页顶部，并确认“翻译为”显示为英文。在英文页面上，它默认为英文，除非你之前在此选择过其他语言。点击“转录并翻译”：语音会在你的浏览器中转录，然后进行翻译，你可以下载英文版本，格式为 SRT 字幕、纯文本或 Word 文档。完全免费，无需注册账号。

我的音频会被上传吗？

不会。音频保留在你的设备上：语音模型在你的浏览器中运行并完成转录。只有转录文本会发送给翻译服务（Google、Yandex 或 Microsoft），由其返回译文。如果你还希望文本留在设备上，可以使用 音频转 SRT，它只进行转录而不翻译。

翻译的准确性如何？

这取决于两个因素。转录文本的质量取决于录音本身：清晰的语音会得到准确的句子，而噪音、音乐或多人同时说话则会导致听错词语。译文是机器翻译：它能很好地传达普通语音的含义，但习语、笑话和人名可能会翻错。每句译文都位于其原文下方，因此很容易找出需要检查的部分。

录音最长可以有多长？

每个文件最多支持 4 小时的音频。较长的录音处理时间更长，需要更多内存，因此在电脑上处理效果最好。

它可以翻译哪些语言？

语音可以是几十种语言之一，模型会自动检测，你也可以手动选择。可翻译为英文或其他 100 多种语言。“翻译为”默认为当前页面的语言，你上次的选择会在此浏览器中保存。

能生成译文配音吗？

本页面不提供此功能，它只提供文本。请将译文下载为 SRT，然后通过 字幕转语音 将其转换为语音。如果你的录音是视频，视频翻译器 可以一次完成转录、翻译和配音。

我可以修改某一行译文吗？

可以。点击译文行即可输入。原文会保留在上方作为参考，你还可以撤销更改，恢复机器翻译的结果。如果你更改语言并重新翻译，页面会在替换你编辑过的行之前进行询问。

我可以下载哪些文件格式？

默认为 SRT。同一“格式”列表还支持导出 VTT、ASS、SSA、SUB、SMI、SBV、LRC、TTML、纯文本和 Word 文档。下载前请选择“译文”或“原文”：译文文件名中会包含语言代码，例如 lecture_translated_en.srt，以免与原文混淆。

为什么原文与实际说的内容不一致？

原文是语音模型的转录结果，译文基于原文生成，因此听错的句子会按听到的内容被翻译。噪音、声音重叠或语言被错误检测是常见原因。请选择说话语言并重新转录，随后会生成新的译文。此处无法编辑原文；如需先更正，请在 音频转 SRT 上转录，修正句子后，再用 字幕翻译器 翻译该文件。

它能标注是谁在说话吗？

可以。转录完成后，开启“说话人”并为每行标注说话人，名称可自行设定。下载时，说话人标签会同时保留在译文和原文中。

获得最佳翻译的小贴士

选择语音语言：如果你知道说的是哪种语言，请手动选择。自动检测会听取几段样本，猜错会影响译文所依据的转录文本。

语音清晰时翻译效果最好。如果有音乐、噪音或多人同时说话，可能需要修改几行内容。

要将同一段录音翻译成其他语言，请更改“翻译为”并点击新按钮。转录文本会被复用，无需重新转录。

下载两个版本：下载前切换“译文”和“原文”，即可同时获取原语言的转录文本。