每分钟 2 积分

播客转写:带说话人名字和时间的文字稿

播客转写就是把一集播客转成文字,每一段都标好是谁说的、从什么时候开始。上传一集最长 3 小时的音频,把"说话人 1"改成主持人的名字,把同一个人被分出来的两个标签并成一个,然后下载给 Apple Podcasts 的 VTT、给 YouTube 字幕的 SRT,以及节目源和节目网页用的 JSON 和 HTML。长节目分段转写时被拆开的标签,会合并回每人一个(59 分钟访谈从 9 个合并成 4 个)。

积分,不足一分钟按一分钟计
2 / 分钟
一集最长,最大 1 GB
3 小时
59 分钟访谈合并后的标签
9 → 4
给 Apple Podcasts 和 YouTube
VTT · SRT
Podcasting 2.0 转写文件
JSON · HTML
注册送的积分够转
30 分钟

怎么把播客转文字?

打开播客转写,上传你的一集节目,几分钟后就拿到带说话人和时间的播客文字稿。改好说话人名字,把同一个人的两个标签合并,再下载给 Apple Podcasts 的 VTT、给 YouTube 的 SRT,以及节目源用的 JSON 或 HTML。每分钟 2 积分,注册送的积分够转 30 分钟。

三步完成播客转写

一集节目从头到尾,任何设备都能做。

  1. 上传这一集

    拖进 MP3、M4A、WAV、FLAC 或 OGG,视频播客也可以。一集最长 3 小时,开始之前按钮上先写明积分。

  2. 核对说话人

    每个说话人改一次名字,处处跟着变。同一个人有两个标签就合并,某一段分错了人就改给真正说的人。

  3. 下载文件

    给 Apple Podcasts 的带名字 VTT、给 YouTube 的不带名字 SRT、节目 RSS 用的转写 JSON、节目网页用的 HTML,还有 DOCX、TXT 和 CSV。

分得清谁在说话的播客转写

每一份播客文字稿都带说话人和时间,下载前可以修改。

黄昏时,灯塔的光扫过海面

说话人能改名、能合并

每一段都标着说话人。把"说话人 1"改成主持人的名字,所有导出都跟着变。一个人有两个标签时,选"和某某是同一个人"就并成一个;某一段分给了别人,就把它改给真正说话的人。

长节目里每个人只有一个标签

超过 19 分钟的节目分段转写,一个人如果在两段重叠的那一分钟里没说话,下一段就可能给他一个新标签。这里由音频模型听每个新标签的几秒钟,和前面的说话人比,是同一个人就合并。一集 59 分钟、三个人加一段发射现场录音的访谈,9 个标签合并成它实际有的 4 个声音,7 次转写全部如此。

给 Apple Podcasts 的带名字 VTT

Apple Podcasts 接收 VTT 或 SRT 转写,VTT 里写了说话人,就会显示是谁在说。这里的 VTT 每次换人都用 <v> 说话人标记写上名字,每行不超过 Podcasting 2.0 建议的 65 个字符。

给 YouTube 的不带名字 SRT

YouTube 字幕只放说的话最清楚,所以给 YouTube 的 SRT 不带说话人名字,时间完全一样,每条最多两行,直接当播客字幕用。

节目 RSS 用的转写文件

Podcasting 2.0 的 podcast:transcript 标签告诉播放器去哪里取文字稿。下载它规定的 JSON,里面有版本号和一段段的说话人、开始、结束和文字,或者下载 VTT,在每一集里链接它。

放在节目网页上的文字稿

HTML 文字稿就是 Podcasting 2.0 给节目网页规定的格式:每段写上说话人、开始时间和文字,直接贴进你的网站。DOCX 和 TXT 也带同样的名字和时间。

按分钟计费,一集最长 3 小时

按音频长度每分钟 2 积分,不足一分钟按一分钟计,不用订阅。一集最长 3 小时、1 GB,长节目的说话人合并包含在价格里。

播客转写样例

一集 59 分钟的公有领域访谈,说话人跨段合并好;还有本站自己的 AI 播客重新转写,和原稿逐字对照。每张卡都能边播边高亮当前的词,并直接查看生成的 TXT、VTT、JSON 和 HTML。

怎么转写一集播客

用这一集的最终混音,也就是你发布的那个文件。在工作室上传,语言选自动识别或指定,然后开始转写。说话人分离默认打开,按钮上先写明这一集长度对应的积分。

转完后读一读开头几分钟,核对名字:每个说话人改一次名,把同一个人的两个标签合并,嘉宾名字按读音拼错的地方改过来。查找替换可以一次改掉所有同样的名字。想从一份文档做出一集节目,可以用 AI 播客生成器,由两位主持人写稿并读出来。

  1. 1在工作室上传这一集。
  2. 2改好说话人名字,合并重复的标签。
  3. 3下载各个平台要的文件。

播客文字稿有哪些格式

VTT 是带时间的字幕文件,这里还用 <v> 说话人标记写上说话人,Apple Podcasts 会显示这些名字。SRT 是同样的字幕但没有标记,YouTube 和大多数视频工具都收它。转写 JSON 按段列出说话人、开始和结束的秒数以及文字,是 Podcasting 2.0 给节目源规定的格式。HTML 是一页段落,说话人写在 cite、开始时间写在 time、文字写在 p 里。

TXT 和 DOCX 用来阅读和编辑:每段上面写着说话人和时间。CSV 一段一行,方便放进表格;我们自己的 JSON 保留每个词的时间。

把文字稿交给 Apple Podcasts 和 YouTube

Apple Podcasts 会给很多节目自动生成转写,也读你自己的:在 RSS 里链接的 VTT 或 SRT,订阅制节目也可以直接上传。VTT 里写了说话人,听众就能看到是谁在说。Apple 列出了它支持转写的语言,超过 10 小时的节目可能不转写。

给 YouTube 的话,把 SRT 作为视频字幕上传。其它支持 Podcasting 2.0 的 App,在节目源的每一集里用 podcast:transcript 标签链接 JSON 或 VTT。

长节目和多人节目

一集最长 3 小时,作为一个文件上传。超过 19 分钟的录音按 15 分钟一段、相邻两段重叠一分钟转写,在停顿处接起来,说话人按两段都听到的词对上。在那一分钟里没说话的人,再由音频模型和前面的说话人比一比,所以三人节目还是三个名字。

两个人同时说话、很短的一句,或者嘉宾声音很像主持人,还是可能分到错的标签。合并和段落菜单点几下就能改好,所有导出都跟着变。

播客转文字准不准

用本站自己的 AI 播客和原稿逐字对照:英文有 0.3%~6.2% 的词不同,最高的那集念了化学式;中文有 0.4%~0.5% 的字不同;每个词都分给了对的主持人。麦克风好、说话清楚的录音最准;人声下面有音乐、多人抢话、口音很重会多一些错,发布前请核对名字和数字。

积分和上限

播客转写每分钟 2 积分,不足一分钟按一分钟计,需要登录。注册送的积分够转 30 分钟。不用订阅,积分包和套餐在价格页。

播客文字稿能用来做什么

上传一次,拿到每个地方要的文件。

小圆桌旁,三把椅子相对摆着

长访谈,每个声音都有名字

主持人和嘉宾整集只有各自一个名字,直接用来写节目笔记和摘金句。

雨夜门口,并排靠着的两把伞

两位主持人的对谈

每周一期的双人聊天,每句话都标着是谁说的。

茶馆小桌边,一位女士和一位男士相对交谈

一期嘉宾访谈

问题和回答分得清清楚楚,嘉宾的金句一找就到。

阳光照在窗台上的一盆绿植

一个人的独白节目

一个声音,分好段落和时间,做成搜索引擎读得懂的节目网页。

日出时,城市屋顶上的两个蜂箱

请来一位行家

嘉宾讲自己的手艺,每条经验都带着时间,直接用来写节目笔记和做字幕。

播客转写常见问题

开始播客转写

上传一集节目,改好说话人名字,下载各个平台要的全部文件。

转写一集播客