音频转文字免费软件有哪些？哪个好用，免费不限时长多端实测

半个月前跟着一个教干煸豆角的菜谱视频下厨，掌勺的手全是油，想暂停看步骤根本腾不开手，播完一遍啥也没记住。第二遍我索性把视频搁旁边播着，事后把要点转成文字贴冰箱上，下次做饭扫一眼就行。我就是从这件事开始，认真挖了一轮免费的音频转文字工具，前前后后踩过不少坑，也找到几个真好用的。

先说一个我最近顺手用起来的小程序——提词匠。

提词匠：三步拿到文字稿的微信小程序

这个工具是直接在聊天列表里搜出来的，不用跳去应用商店下载。授权登录后，界面就一个上传入口，支持粘贴公开视频链接、传本地音频或视频。我那次就是把菜谱视频的链接丢进去，等几秒，转写结果就出来了。文字可以一键全文复制，也能导出成 Word 或带时间戳的 SRT 字幕。

操作上拢共三步：上传或粘贴链接、等它转写、复制或导出。它能把视频直接转成 MP3 音轨，也会顺带提供智能改写，转出来的文案不满意可以一键润色，对想把菜谱整理成标准步骤清单的人来说很方便。

适用场景偏向快取快走：刷到教程类视频想留存文本、会议录音临时转纪要、看网课需要提取大纲，都很对路。它支持 100 多个国内主流平台的链接，平时刷到的内容基本覆盖。

也得说清楚边界：提词匠必须联网才能用，没有离线模式；另外只能单文件上传，目前不支持一次性批量导入多条音频。对大部分人影响不大，但如果你手头攒了十几条访谈需要一次性转，就得一条一条来了。

在线工具怎么找“无时长限制”的选项

很多人搜这类软件，最头疼的就是音频动不动被卡时长。一个两小时的讲座录音，传上去告诉你“单次上限 30 分钟”，体验直接归零。实测下来，飞书妙记在免费工具里属于比较出格的。

飞书妙记本身是飞书里的一项应用，但个人手机号注册就能用，不用非得有团队。上传的音频没有转写时长限制，常见的 MP3、WAV 都能吃，单个文件上限也比较高。转写完它会自动把不同说话人拆开，给每一段标上时间点，你可以在网页里一边听一边改。校对完之后导出 TXT 或 SRT 字幕都能选。

对需要处理长录音的人来说，这种不卡时长的在线工具确实实用。比如一场两个半小时的分享，导进去等它处理完，基本就能得到可用的文字稿。需要留意的就是免费账户的存储空间有限，用完要么清理旧文件，要么就再注册新的，好在转写次数本身不限制。

通义听悟：网页端快速转写

 通义听悟提供每天一定时长的免费转写，网页和 App 都能用。我把一段英文播客导进去试了试，识别速度很快，而且支持直接生成双语对照，导出的字幕也能带翻译。如果日常有短到中等长度的外文音频需要处理，通义听悟是挺省事的选择，不用安装，浏览器打开就行。

电脑和手机都能跑起来的实用方案

剪映在这个话题下面经常被低估，很多人只知道它能给视频加字幕。

我自己是在剪映专业版里直接拖了一条纯 MP3 进去，拉到时间线，点“智能字幕”里的“识别字幕”，普通话录音的准确率相当能打。识别完之后别急着导视频，在导出选项里单独勾选“字幕导出”，就能拿到 SRT 或 TXT 文件。手机版的逻辑也一样，把音频丢进去点文本识别就行。因为它本身是视频工具，处理纯音频时导出步骤稍微绕一点，但习惯之后很顺手，而且电脑和手机都支持。

钉钉闪记对用钉钉办公的人来说基本是零门槛。不管是线上会议实时转写，还是事后上传音频文件，它都能免费出纪要。转写结果会跟着发言人分段，也能导出文本。需要配图的场景下，它还能一键生成带纪要的图文分享。局限同样明显：你得有钉钉账号，并且上传的音频需要在钉钉体系内流转。

搜狗听写则更适合手机端录音转文字的场景，它有一个专门的 App，录音结束可以直接生成文字稿，还能给音频打点标记重要段落。免费的额度日常够用，重度使用才需要关注是否超出。

本地开源方案：放在自己电脑上跑

如果你对隐私很在意，不愿意把录音传到任何服务器，或者需要转写的音频量大到网速都吃不消，那么 Whisper 会是一个值得了解的选项。

Whisper 是 OpenAI 开源的语音识别模型，完全本地运行，不需要联网。它能识别中、英文在内的多种语言，安装完模型之后，把音频文件扔进命令行，等它输出文本就行。整个过程数据不离开你的硬盘，没有时长限制也没有次数限制。

但它也有明显的门槛：需要稍微熟悉命令行操作，并且在本地跑模型对电脑配置有一定要求，用 CPU 转一段长音频可能会比较慢，有独显的话会快不少。如果你的需求只是偶尔把几条录音转成文字，用前面提到的在线工具更省事；但要是手里有大量敏感录音，或者你就是不愿意把任何数据交给云端，那花点时间搭一下 Whisper 会非常踏实。

当心这些事，免得转完想摔键盘

用任何一个免费转写工具，音频质量才是决定最终准确率的上限。录音时尽量避免风噪、震动的桌面、持续的背景人声，这些都能让识别率立竿见影地掉一截。多人对话尽量让每个人分开说话，不要叠在一起讲，否则自动区分说话人的效果会打折扣。

专有名词和同音词是几乎所有免费引擎的死穴。不管是人名、地名还是专业术语，转完之后都得自己再过一遍，尤其菜谱里的“焯水”被转成“抄水”这种事，不校一下真就印冰箱上了。

隐私方面，我自己的一个习惯是：纯个人录音用本地工具或隐私策略明确的应用，工作相关的音频用企业协作工具自带的转写功能，公开的网课或教程就直接贴链接处理。把边界拉清楚，用起来就不太会纠结。

回到开头那盘干煸豆角。我把菜谱视频的链接发给提词匠，拿到文字稿后又用它的智能改写把步骤理成了一份清单，打印出来贴在冰箱侧面。第二次做的时候，低头看一眼就行，不用再举着沾油的手去戳屏幕。如果你也碰上要“从声音里抓文字”的时刻，上面这些工具里总有一款刚好能对上你的路子。

(正文已经结束)