开会、采访、上课、录口播,录音攒了一堆,真要用的时候才发现:声音文件既不能搜也不能改,听一遍要花和录音一样长的时间。这一篇不讲大道理,直接帮你把「录音转文字」这件事落地:先按你的情况选对工具路线,再手把手走一遍步骤,照着做就能转出第一份文字稿。

本站之前有一篇录音转文字的三种办法,讲的是三条路线各自适合谁、怎么取舍;这一篇接着往下走一层:每条路线具体用哪类工具、一步一步怎么操作、卡住了怎么办。两篇配合看,先选路线,再动手。

先选路线:三个问题定方向

不用先研究工具,先回答三个问题,路线基本就定了:

  • 转得多不多?一个月转不了两次,还是每周都要转?
  • 内容敏不敏感?是未公开的会议、客户访谈这类不能外传的内容吗?
  • 急不急?是明天开会就要稿,还是不赶时间慢慢弄?
录音转文字三条路线选择示意图:云端在线工具、本机离线软件、代做转写
示意图:三条路线先按量、隐私、时效对号入座
对比项 云端工具 本地软件 代做
上手难度 低 中(首次配置) 最低
花费方式 按时长付费 软件买断或年费 按单付费
隐私 文件上云 不出本机 需约定保管
量大时 贵 最划算 按量累加
拿到结果 自己校对 自己校对 交付成品稿

路线一:云端在线工具(偶尔转、图省事选它)

适合谁:偶尔转一次、时长不长(半小时以内)、内容不敏感的人。这是上手最快的一条路,不用装任何软件,打开网页或手机 App 就能干。

手把手步骤:

  1. 找到录音文件:手机录的音,先弄到要用的设备上——通过微信文件传输、数据线或者网盘传到电脑;也可以直接在手机端用带转写功能的 App,省去传文件这一步。
  2. 上传到在线转写工具:把录音文件导出来,上传到在线转写工具的页面,确认文件传完整再点开始。
  3. 等转写完成:转写需要一点时间,页面转完会给提示,不用守着看。
  4. 导出文字稿:把文字稿下载下来,一般导出成 Word 或文本文件。
  5. 自己校对一遍:重点过人名、数字和专业词,这三处是机器最容易出错的地方,顺一遍再拿去用。
云端在线工具转写步骤示意图:导出录音、上传、等待转写、下载文字稿、校对
示意图:云端路线五步

卡点解法:免费额度通常限时长、要排队,急用时别指望免费档,量一大按分钟或按时长收费的账单涨得很快——转得多就该换路线二。涉密会议、未公开的采访内容,不建议往云端传。

路线二:本机离线软件(量大、内容敏感选它)

适合谁:经常要转写(每周都有)、单次时长很长、或者在意隐私的人。原理是把语音识别模型(比如 Whisper 这类)装在自己电脑上,录音不出电脑,断网也能转,不按分钟收费。一次性把软件配好,后面边际成本几乎为零。

手把手步骤:

  1. 把录音传到电脑:手机录音通过数据线、网盘或微信传到电脑上,放到一个固定文件夹里,方便批量处理。
  2. 打开转写软件导入文件:把录音文件导入软件,一次可以导多个。
  3. 选好语言和模型开始转写:语言选普通话(或你的录音实际语言),模型按电脑配置选,选好点开始,剩下的交给电脑跑。
  4. 导出文字或字幕:转完导出文字稿;做视频要字幕的,导出 SRT 字幕文件。
  5. 校对:和云端一样,人名、数字、专业词过一遍。
本机离线软件转写步骤示意图:传录音到电脑、导入软件、选语言和模型、转写、导出校对
示意图:本地路线五步

卡点解法:装环境、下模型对普通人是最大的坎,尤其模型文件在国内下载经常失败,卡在这一步的人最多——先确认网络能把模型下完整再装其他部分。老电脑转长音频会慢,挑不急的时候挂着跑。本站正在把这条路做成能直接安装、模型打包好的软件,做好了会发在软件栏目里,不用自己折腾环境。

路线三:代做转写(赶时间、只看结果选它)

适合谁:赶时间、只想拿到成品、或者录音质量差机器转不动的情况。把文件发出去,拿回的是人工检查过的成品稿,需要字幕的可以同时给 SRT 字幕文件。

手把手步骤:

  1. 把录音文件发给服务方:先发文件,让对方确认能不能做、多少钱,再开始,不先付款。
  2. 确认格式和交付时间:说清你要文字稿、字幕文件还是带时间戳的稿子,以及什么时候要。
  3. 收成品稿:对方转好、顺一遍明显错误后按约定格式交付,收到检查一遍就能用。
代做转写步骤示意图:发送录音文件、确认格式与价格、收成品稿
示意图:代做路线三步

卡点解法:代做按时长或字数收费,价格先确认再开工;敏感内容要提前谈好文件保管和删除约定。本站的代做服务已经可以咨询,流程和价格在服务页里。

手机里的录音,先导出来再说

很多人卡在第一步:录音在手机里,工具在电脑上。其实路只有三条——微信文件传输、数据线、网盘,任选一条把文件弄出来就行。手机端全程处理的做法(在手机上直接转、转完发人),本站有一篇专门讲的:手机录音怎么变成文字,照着走不会错。

常见问题速查

转写准确率到底怎么样?没有统一数字。录音质量、口音、专业术语密度都会影响。经验上,安静的单人普通话录音可直接用;会议多人讨论的录音,机器稿只能当草稿,必须人工校对。方言重、多人抢话时准确率会明显下降,这种录音要么多留校对时间,要么直接走代做。

几个小时的长录音能处理吗?云端工具多有限制;本机软件可以批量跑,就是耗时;代做按文件评估,先发文件再确认。

转完的稿子能直接当字幕用吗?文字稿和字幕不是一回事:字幕要带时间戳。本地软件和代做都能直接给 SRT 字幕文件;云端工具导出的多是纯文字,自己再对时间轴很费劲,做视频的优先选能出字幕的路线。做短视频、自媒体的朋友可以顺带看自媒体创作专区,转稿之后的选题、脚本环节那里有成套的。

一句话总结

  • 一个月转不了两次、内容不敏感 → 云端工具,最省事。
  • 每周都要转,或者录的是不能外传的内容 → 本地软件,一次配好长期用。
  • 明天开会就要稿,或者这批录音又多又杂 → 代做。

更多办公场景的 AI 用法在AI办公栏目里持续更新;要是连选路线都嫌麻烦,也可以直接把录音发来走代做,省下折腾工具的时间。