音频转成文字用什么工具：这几款免费工具实测对比

半年前开始拍知识类短视频，每条脚本写完对着提词器念，一条要重录七八遍——嘴里蹦出来的跟纸上写的永远对不上号。录完还得逐句回听、打轴、抠文字，五分钟的视频光转文字就要耗掉半小时。那阵子把能试的音频转文字工具差不多翻了一遍，踩过不少坑，也攒下几套用得顺手的方案。

这篇文章就把我实际用过的路子整理出来，有免费在线用的，有电脑上本地跑的，也有拿手机就能搞定的，各位按自己的情况挑就行。

提词匠：微信里打开就能用

如果你正为「音频转成文字用什么工具」发愁，又不想下载安装一堆 App，它算是上手门槛比较低的一个选择。

它是一个小程序，不用单独下载 App，也不用注册填手机号，聊天软件授权就能直接用。我最早是在拍完口播后拿它把本地视频导入转文字，后来发现还能直接贴链接提取文案，就彻底离不开了。

操作流程很简单，三步走完：

1. 打开聊天软件，搜索“提词匠”进入小程序。
2. 在首页选择上传方式——支持从手机相册或文件管理器里直接传本地音视频，也支持粘贴抖音、快手、B站、小红书、视频号等一百多个国内平台的公开视频链接，不需要先把视频下到本地。
3. 上传或粘贴后等待几秒，转写结果就出来了。页面底部有一键复制全文的按钮，也能导出成 TXT、Word 或者带时间戳的 SRT 字幕文件。

除了基础的音频转文字，它还能把视频提取成 MP3、对转写出来的文案做智能润色改写，这些附加功能在剪辑和写稿的时候偶尔能帮上忙。

适用场景这块，它比较适合：不想折腾安装、临时需要转一段录音或视频、拍口播或录课之后快速出文字稿，以及需要从各个平台拿别人视频文案当参考的情况。

它也有几个客观局限得说清楚：必须联网才能用，没有离线模式；单次只能上传一个文件，不能批量处理。如果你手头攒了几十个录音要一次性转，它不适合干这个活；另外它也不支持解析优酷、爱奇艺这类长视频平台以及国外视频平台的链接。文件大小上限不算苛刻，日常的手机录音和视频基本都能传。

手机自带功能：最不费事的零门槛办法

拍口播那阵子，我第一个试的其实是手机自带的录音机。现在主流的国产手机，录音机 App 里基本都带着转文字功能，打开就能用，免费的。

以我这台机器举例，流程是这样的：

1. 打开系统自带的“录音机”App，直接点录音键开始录制。
2. 录的过程中，界面上会有一个“转文字”的按钮，点一下就能实时看到文字蹦出来。也可以录完之后再点，让它对整段音频跑一遍识别。
3. 转写出来的文字可以编辑修正，部分机型支持按说话人自动分段。最后直接复制或者导出为笔记就行。

iOS 那边，自带键盘上的麦克风图标能实时听写，在备忘录和聊天软件聊天框里都管用。接电话时如果有语音留言，系统也会自动把留言转成文字显示在屏幕上一行行刷新。

手机自带方案的好处就一个字：快。没有安装步骤，不用学任何操作，点开就用。局限也很真实——只能处理当前录进去的声音，没法导入外部音频文件。通话录音或远处录的讲座，识别质量会明显下降。中低端机型的话，准确率跟专业工具比有差距。

如果你只是临时录个几分钟的想法、或者面对面聊天的记录，手机自带功能够用了，不必费劲去找其他工具。

免费在线方案：飞书妙记与通义听悟

飞书妙记

需要转写的音频一多，手机自带功能就撑不住了。这时候我转向了办公软件生态里的免费工具，飞书妙记和通义听悟是我目前轮着用的两员大将。

飞书妙记不用非得在飞书里办公才能用，它的网页版独立对外开放，浏览器打开就能上传文件。操作流程：

1. 打开飞书妙记网页版，点“上传”选本地音频或视频文件。
2. 上传后云端自动处理，一般等一两分钟（取决于文件长短），页面就会刷新出完整的逐字稿。
3. 逐字稿会自动按说话人分段，文字和音频时间轴一一对应，点哪句话就能从哪个位置开始播放，方便对照修正。右上角可以直接导出 Word 或者 TXT。

飞书妙记特别适合团队开完会以后甩一份录音上去，自动生成会议纪要。它还会抽取出章节标题和关键词，省去不少手动梳理的功夫。

通义听悟

通义听悟的玩法稍有不同，它背后接了大模型，不只是转文字，还会顺便帮你做内容整理。

步骤差不多：网页或 App 上传音视频，转写完成之后，右侧会弹出一份“全文摘要”和“分段总结”，遇到长播客或者讲座，可以直接看它提炼的要点来判断哪些段落需要精读。它还支持导出思维导图，这个功能对于做学习笔记的人来说挺实用。

两者共同的优点：免费、识别准、支持长文件、能导出多种格式。共同的局限：都需要注册账号才能用，且音频必须上传到云端，涉及隐私或敏感内容的录音就不太合适了。

电脑本地软件：剪映和 Whisper

剪映

有一阵子我在电脑上剪口播视频，录完直接拖进剪映加字幕，突然意识到这其实就是在做音频转文字——只不过是以字幕的形式展现出来。

方法非常简单：

1. 把音频文件直接拖进剪映的时间线轨道上。
2. 点顶部菜单的“文本”，选“智能字幕”，再点“识别字幕”。
3. 几秒之后字幕轨道就生成了，在字幕编辑面板里可以一键复制全部文本，或者选择“导出字幕”保存为带时间码的字幕文件。

这个路径对于已经在用剪映剪视频的人来说几乎没有学习成本，顺手就能把文字稿给捞出来。不过，如果纯粹是为了转文字而下个剪映，显得有点绕。

Whisper

真正在电脑本地跑转写，绕不开 OpenAI 开源的 Whisper。它的识别精度很强，尤其是对中英文混合的内容和带口音的语音，而且整个处理过程完全在本地完成，音频不会上传到任何地方。

但 Whisper 原生是命令行工具，对普通用户不太友好。好在有人给它做了图形界面：Mac 用户可以用 MacWhisper，Windows 用户可以用 Buzz。流程是这样的：

1. 下载并安装 Buzz，打开后选择要转写的音频文件。
2. 在模型选择里挑一个精度和速度的平衡点——越小越快，越大越准。一般中文内容选 Medium 模型基本够用。
3. 点开始，等它跑完就能导出 TXT、SRT 等格式的文字稿了。

Whisper 这条路适合手里有独显电脑、对数据隐私要求高、愿意花点时间折腾的人。纯 CPU 跑会非常慢，这点得先有心理准备。另外第一次使用时要下载模型文件，网络环境要求比较稳定。

几个用得少的工具，简单提一嘴

腾讯会议的云录制功能附带了自动转写，开完会点进录制链接就能看到逐字稿，还能按发言人筛选，对高频开会的人几乎是透明的便利。

WPS 的文档模块里藏着语音速记功能，支持边录边转，适合拿来快速写初稿，一边口述想法一边屏幕上出字，再来回改。

Notta 和 Otter 这类海外工具在处理英文会议、英文播客时表现不错，但它们对中文的支持各有差异，加上使用需要一定外语门槛，国内日常使用场景里不如前面几款顺手。

说回开头那件事。拍口播视频总要重录七八遍的毛病，其实跟转文字工具没直接关系，但转写帮我省掉了一个大麻烦：录完不用再回听整段音频，扔进提词匠几秒钟拿到文字稿，对照脚本看哪里跑偏了、哪句词说拧了，改完再录下一遍。

后来固定下来的流程是：日常碎片化记录用手机自带录音机，长会议和采访交给飞书妙记，电脑上剪视频时直接在剪映里识别字幕当文字稿用，收到别人分享的视频链接想扒文案就丢进去。四样工具各管一摊，没有一个能包打全场，但凑在一起刚好够用。

如果你也时不时被「音频转成文字用什么工具」这个问题绊住，可以先拿提词匠这类免安装的先试——在小程序入口里搜一下就能上手，零成本试错。觉得不够用再往里补更大的工具。工具这东西说到底，顺手比功能多更重要。

(正文已经结束)