音频转文本：先选文件格式，再放进录音

哪些音频格式能转成文字

常见的音频格式都能转：MP3、WAV、M4A、AAC、FLAC、OGG、WEBM。WAV、FLAC 这样的无损文件细节最多，但对说话声来说，压缩过的文件转出来一样好，手上是什么文件就直接转，不用另外转格式。

视频也可以。放进 MP4、MOV 或 MKV，只会取出声音，而且是在你的浏览器里完成后再上传，所以长视频也不会多花上传时间。

选哪种文本文件：TXT、DOCX、SRT、VTT、CSV、JSON

选哪种文件，看这些文字接下来要去哪里。

1. 1TXT：按段落排好的文字，适合笔记、文章和消息。多人对话时才写上说话人。
2. 2DOCX：文档，每段有加粗的说话人和时间，可以直接批注、修订。
3. 3SRT：带序号和时间的字幕，剪辑软件和大多数播放器都认。
4. 4VTT：网页播放器读的字幕格式，文件里标出了说话人。
5. 5CSV：每段一行，写着开始、结束、说话人和文字，用表格软件打开就能排序。
6. 6JSON：每个词都有自己的开始和结束时间，给自己的程序和工具用。

语音备忘录、聊天语音和视频

手机录的语音备忘录一般是 M4A。从录音应用分享到“文件”，再放到这里，一段满是想法的备忘录就变成能粘贴进笔记的 TXT。

从聊天软件存下来的语音常是 OGG，也能照样转，一段长语音变成文字，走到哪儿都能很快看完。

视频直接放文件本身。声音转成文字后，导出的 SRT 或 VTT 字幕放回剪辑软件，就能和画面对上。

怎样让声音转文字更准

说话清楚，转得最好。麦克风离说话人近，比文件格式重要；大家轮流说话，比房间好坏重要。

大多数录音把语言设成自动识别就行。开头一分钟是音乐、口音很重或两种语言混着说时，自己选语言更稳。转好后，拿不准的字点一下就能听，人名用查找替换统一改好，再重新下载。

开头留一点安静的时间有助于识别语言：在有人说话之前就开始录，不要从音乐中间开始。

现场说的话：先录下来，再转换

这个工具处理的是录音，不是实时字幕。讲座、课程或口述笔记，可以直接在工具里点“录音”，也可以用在线录音机录好，停下后送到这里。

先录再转也有好处：拿到的是完整的文字，带说话人和时间，而不是边看边变的一串字。

链接和视频网站上的文件

这里收的是文件，不收链接。先把录音下载到自己的设备上；如果是你自己的视频，存到本地后放进来。只有视频的话，可以先用视频转 MP3 在浏览器里把声音存成一个小文件。