录音怎么转文字?5 种方法(免费和付费)
手机里存着一段 40 分钟的录音:一次采访、一堂课,或者散步时随口录下的一条语音备忘录。现在你得把里面的话变成文字,最好不用花钱,也别为这件事搭进去一个下午。
最快的免费办法,是把文件传到在线转写服务上。拿 Laxis 来说,在网页版里上传录音,就能拿回一份带说话人标注和时间戳的文字稿,免费 Laxis 账户每月包含 300 分钟。不过上传并不是唯一的办法,也不一定每次都最合适。下面是 5 种实实在在的音频转文字方法,各要花多少钱、各在什么情况下最好用,都写清楚了。
要点
- 手里已有录音文件:上传到在线转写服务,等几分钟,下载文字稿。
- 有 Microsoft 365,或者用的是 iPhone 12 及更新机型:Word 的“转录”和“语音备忘录”就能转,不用额外付费。
- ChatGPT:只有付费套餐才能上传音频。
- 每周都有会议和采访:专门的转写应用还会加上说话人标注、摘要和搜索。
- 很短的片段,或者要公开发表的引语:自己动手听写,或者把 AI 初稿逐句对照录音核对。
5 种音频转文字方法一览
| 方法 | 费用 | 最适合 | 需要了解的限制 |
|---|---|---|---|
| 在线转写服务 | 先用免费额度,之后订阅 | 手里已有的录音 | 每月分钟数、单个文件的时长和大小 |
| 自带工具(Word、语音备忘录、Pixel 录音机) | 包含在 Microsoft 365 或手机里 | 已经在用的设备上的文件 | 账户、设备和语言方面的要求 |
| ChatGPT | ChatGPT 付费套餐 | 还想顺便总结一下的短录音 | 免费版不能上传音频;有大小和时长限制 |
| 专业转写应用 | 有免费版,付费版大约每月 $8 到 $30 | 定期的会议、采访和课程 | 免费版的说话人标注和历史记录 |
| 手动听写 | 你自己的时间 | 短片段、音质差的录音、需要一字不差的引语 | 慢 |
1. 把文件上传到在线转写服务
如果录音已经在手里,这是最省事的办法。上传文件,服务跑一遍语音识别,几分钟后下载文字就行。很多服务都是这个流程,下面以 Laxis 为例:
- 在 laxis.com 免费注册,或者直接登录。
- 打开 Laxis 网页版,点 New Recording(新录音)旁边的箭头,选择 Upload Audio File(上传音频文件)。
- 选中你的录音(会议、采访、课程或语音备忘录都行),再选好录音里说的语言,然后点 Upload(上传)。
- 转写完成后,这条录音会出现在会议列表里。打开它阅读文字稿,内容已经按说话人分好并带有时间戳,边看边把人名和数字改对。
- 下载为纯文本、Word、PDF 或字幕文件(.srt),需要的话可以连同摘要和时间戳一起导出。
Laxis 网页版支持上传 m4a、mp3、wav 和 flac 文件,每个最大 200 MB;免费的 Basic 套餐每月包含 300 分钟。上传只接受音频文件,所以视频要先把音轨提取出来,后面的格式转换部分会讲怎么做。
截至 2026 年 11 月 16 日,其他值得了解的免费额度:
- TurboScribe:每天 3 个文件,每个最长 30 分钟,一次只能传一个。
- Otter:免费版每月 300 分钟,但每次对话最长 30 分钟,文件导入总共只有 3 次。
- Notta:免费版每月 120 分钟,每次对话最长 3 分钟。
最容易让人栽跟头的是单个文件的上限,它和每月总额度是两回事。一个工具可能给你几百分钟的免费额度,却照样拒收一个 90 分钟的文件。所以长录音要在上传之前查清这个上限,别等失败了才发现。
2. 先用手边现成的工具
注册任何服务之前,先看看你的设备上已经有什么。
Microsoft Word 的转录功能。如果你订阅了 Microsoft 365,Word 可以转写上传的文件:在“开始”选项卡上打开“听写”下拉菜单,选择“转录”,再点“上传音频”。它支持 .wav、.mp4、.m4a 和 .mp3,会把说话人分成“说话人 1”“说话人 2”等,给每一段加上时间戳,支持 80 多种语言和地区。Microsoft 365 订阅每月最多可转写 300 分钟上传的音频,音频会保存在 OneDrive 一个名为 Transcribed Files 的文件夹里。能不能用取决于具体的应用和账户类型,所以先看看“听写”下面有没有“转录”。相比之下,Word 的“听写”按钮是把你实时说的话打成文字,具体见 Microsoft Word 听写怎么用。
iPhone 语音备忘录。在 iPhone 12 及更新机型上,“语音备忘录”可以转写在它里面录的音,支持 10 种语言。轻点一条录音,再轻点“更多”按钮,选择“查看转录”;用“拷贝转录”可以拿到全文。我们的语音备忘录转文字指南里有具体步骤,以及看不到转录时的排查方法。
Pixel 录音机。在 Pixel 手机上,录音机应用会一边录音一边转写。
Google 文档语音输入也常被拿来讨论,但它是把麦克风里的实时语音打成文字,打不开音频文件;用扬声器把录音放给它听,效果也很差。它擅长做什么,见我们的 Google 文档语音输入指南。
3. 交给 ChatGPT
ChatGPT 能转写一部分音频,但有限制。根据 OpenAI 帮助中心的说明,上传音频文件只对 ChatGPT 付费套餐开放,免费版不行,而且有文件大小和时长限制。ChatGPT 真正出彩的是下一步:整理你粘贴进去的文字稿,或者从中提炼决定和待办事项。
有两点要注意。让模型整理文字时,它可能会删掉或改写内容,所以引语、人名和数字都要对照录音核对。另外,上传任何机密内容之前,先去看一眼数据设置(设置 > 数据控制)。
ChatGPT 的套餐、文件限制和提示词,我们在 ChatGPT 能转写音频吗?里有详细介绍。
4. 用专业的转写应用
如果你经常要转写(每周的会议、研究访谈、课程),专门的应用能帮你省掉“上传再整理”的来回折腾。你花钱买的是文字之外的那些东西:说话人标注、摘要、跨录音搜索,以及直接在应用里录音。
- Laxis 可以在桌面端和手机应用里录制会议和面对面的谈话,也能上传文件,返回按说话人标注的文字稿,外加摘要和待办事项,支持 60 多种语言。下文还会细说。
- Otter 和 Notta 提供类似的“会议录音加文件上传”的用法。它们的免费版上面已经介绍过;Pro 套餐按年付费,每月分别 $8.33 和 $8.17 起。
- Rev 按分钟收费:AI 转写每分钟 $0.25;人工转写每分钟 $1.99,保证 99% 的准确率,12 小时内交付。
- Whisper 是 OpenAI 开源的语音识别模型,采用 MIT 许可证,可以在你自己的电脑上运行。它不花钱,但安装配置需要一点技术功底。
如果是采访,我们的访谈录音转文字指南讲了格式和引语怎么处理。
转写稿为什么总是乱糟糟,真正管用的改法
能用的文字稿和一团乱麻之间的差别就在这里,而且跟你选了哪个工具关系出奇地小。现在的识别引擎处理清晰的音频已经很出色,真正拉开差距的,是你交给它的音频。
- 背景噪音。空调、车流、热闹的咖啡馆,或者风吹在手机麦克风上。噪音相对人声一大,引擎就开始靠猜。
- 离麦克风的距离。麦克风靠近说话人,就能收到完整的声音;放在房间另一头的笔记本电脑,收到的是单薄、带回声的声音。
- 几个人同时说话。重叠的语音哪个引擎都很难跟上,说话人标注也最容易在这里出错。
- 人名和专业术语。专有名词、产品名和技术术语,是好工具也还会栽跟头的地方。设对语言有帮助,自定义词汇表帮助更大。
这四个问题里有三个,在按下录音键之前就能解决:把麦克风挪近一点,关上窗户,关掉风扇。十秒钟的准备,能省下一大轮校对。
另一个常见的烦恼是结果的样子:一整块连在一起的文字,没有名字、没有分段,也没有摘要。说话人标注(说话人分离)往往是免费版最先砍掉的功能,所以在把某个工具用成习惯之前,先确认它有没有这项功能。
如果你想一次就拿到说话人、时间戳和摘要,免费试用 Laxis。连免费版都会标注说话人,新账户还有 14 天 Premium 试用,无需信用卡。
5. 手动听写
手动转写仍然有它的用武之地:一段两分钟的片段、一句要公开发表的引语,或者音质差到机器都放弃的录音。养成几个习惯,就没那么折磨人。
- 放慢播放速度。大多数播放器都能调到 0.75 倍或更慢,你就不用频繁暂停。
- 用键盘快捷键暂停、回退几秒,不用离开文档。如果经常干这个活,脚踏板能彻底解放双手。
- 先打字,后排版。先把字记下来,第二遍再加说话人、分段和时间戳。
- 从初稿开始。只要超过几分钟,就先跑一遍 AI 转写,再对照录音修改。核对比打字快得多。
文件传不上去?先转换格式
很多时候卡住你的根本不是转写,而是文件本身。常见情况用任何音频转换器都能搞定,如果你习惯命令行,用 ffmpeg 也行。
- iPhone 的 M4A 文件。“语音备忘录”保存的是 .m4a 文件。如果某个工具或表单只收 MP3,先把文件转成 MP3。
- 巨大的 WAV 文件。WAV 不压缩,CD 音质的立体声每分钟约 10 MB,所以一段 20 分钟的录音就已经达到 Laxis 200 MB 的上传上限。转成 192 kbps 的 MP3 后,同样一分钟只占约 1.4 MB。
- 视频文件。Laxis 只接受上传音频,所以要先提取音轨:在剪辑软件里导出音频,或者用转换器或 ffmpeg。我们的视频转文字指南里有一行就能搞定的 ffmpeg 命令,以及关于视频的其他所有内容。
会议录音,干脆跳过上传
如果你要转写的是自己的会议、销售电话或采访,一个个上传很快就会让人厌烦。AI 会议助手可以一边录下对话一边转写。Laxis 通过电脑本身的音频来录制 Teams、Zoom 或 Google Meet 通话,所以默认不会有任何东西加入会议;如果你愿意,也可以开启一个看得见的助手机器人,让它入会。手机应用可以处理电话和面对面的谈话。每段录音都会生成按说话人标注的文字稿,最上面附有摘要和待办事项。
依赖它之前,需要了解这些:
- 处理在云端进行,所以需要联网。
- Basic 免费:每月 300 分钟,会议和 Voice Keyboard 听写合计使用。单次录音到 45 分钟时结束并自动保存,历史记录里能看到 30 天内的内容;更早的条目会移到归档,而不是被删除。
- Premium 按年付费每月 $9.99(按月付费 $15.99),额度提升到每月 2,000 分钟,单次录音最长 2 小时。CRM 同步(HubSpot、Salesforce)包含在 Business 套餐中。
- Laxis 不符合美国 HIPAA 法规,也不签署 BAA,所以请不要把患者信息放进去。
录别人说话,不管有没有机器人入会,你都有义务告诉对方;Laxis 也会提醒你告知参会者。在法律要求的地方,要先取得同意。各地规定不同,本文也不构成法律建议;录音违法吗?一文把这些规定讲得很清楚。
结论
转写早就不是难点了。识别引擎已经足够好,瓶颈转移到了录音前那几秒的准备,以及之后选哪个工具。一次性的文件,传到有免费额度的服务上。已经在 Word 里或 iPhone 上的录音,用自带功能。每周都要进行的对话,就在一个能把文字稿、说话人和摘要一起交给你的地方录下来。
下载 Laxis:14 天 Premium 试用,无需信用卡。
常见问题
怎样免费把音频转成文字?
免费把音频转成文字,最简单的办法是把文件上传到有免费额度的在线转写服务。Laxis 网页版可以转写上传的文件,免费账户每月 300 分钟;TurboScribe 每天可以转 3 个 30 分钟以内的文件。如果你的手机支持,iPhone 12 及更新机型上的“语音备忘录”也能免费转写它自己录的音。
Microsoft Word 能转写音频吗?
能。只要订阅了 Microsoft 365,Microsoft Word 就能转写音频文件。在“开始”选项卡上打开“听写”下拉菜单,选择“转录”,再选“上传音频”。Word 支持 .wav、.mp4、.m4a 和 .mp3 文件,会区分说话人并加上时间戳,订阅每月最多可转写 300 分钟上传的音频。
ChatGPT 能转写音频吗?
根据 OpenAI 帮助中心的说明,ChatGPT 付费套餐可以转写音频文件,免费版不行,而且有文件大小和时长限制。它最有用的地方是整理或总结你已有的文字稿。事后要对照录音核对人名、引语和数字,因为整理时措辞可能会被改动。
多人说话的录音怎么转写?
转写多人录音,要用带说话人标注(也叫说话人分离)的工具,它会标出每一句是谁说的。很多免费版没有这项功能,上传之前先确认。几个人同时说话时,标注难免出错,凡是换人说话的地方都要抽查一下。
哪些音频格式可以转写?
大多数转写工具支持 MP3、M4A 和 WAV,很多也支持 FLAC。Laxis 只接受上传音频:m4a、mp3、wav 或 flac 文件,最大 200 MB。如果文件太大或格式不对,用任何音频转换器或 ffmpeg 转一下就行。大 WAV 文件转成 MP3 后会小得多,遇到不收 M4A 的表单或工具,MP3 也能用。
转写音频需要多长时间?
AI 转写一段普通的录音,通常只要几分钟,很少会比录音本身还长。人工服务要久一些:Rev 的人工转写在 12 小时内交付。自己动手打字是最慢的办法,所以只要不是很短的片段,都建议先用 AI 出初稿再修改。
相关产品
Laxis 会议助手
今天就让笔记自动生成。
- Zoom、Google Meet、Teams 和线下会议都能记,无需机器人入会
- AI 摘要、待办和跟进邮件,支持 60 多种语言
- Mac、Windows、iPhone、Android 全平台,有免费版
免费开始,无需绑卡。
了解更多 ▷