logo

1. 应用户倡议，开辟音频转录字幕功能，按音频时长（秒）计费，可通过点数兑换转录时长（1点=120秒）；

2. 由于视频文件过大，仅支持上传音频文件，主流格式都支持，可使用剪影、PR等软件通过视频导出音频；

3. 推荐上传wav音频格式（16K采样率），该格式无损，识别效果好，不易丢失句子；

4. 本站接入多个转录模型，由于各模型擅长语种不同，故会根据源语言自动推荐最佳的模型；

5. 不同转录模型的价格、速度、特性各不同，具体请看页面下方的【转录模型比较】表格；

6. 为方便用户，每个转录订单会同时提供srt字幕文件、txt文本文件，并同时提供多个【标点符号】版本；

7. 对于执行失败的订单，系统会自动退返『转录时长』；

8. 转录功能公测中，欢迎您反馈bug与建议，我们会酌情给予点数奖励。客服QQ：2801088826

【2024.10.20】Whisper-large-v3模型字母语言智能断句函数进行了优化，对长句子进行了语义断句处理。
【2024.10.19】Nova2模型字母语言智能断句函数进行了优化，修复潜在的时间轴错误，对长句子进行了语义断句处理。

转录功能仅对VIP会员开放

拖拽或上传音频文件（推荐wav格式）

请先选择源语言：

显示更多
  • 消耗转录时长： 0秒 （账户转录时长：0秒）
  • 标点符号：
    完整
    去尾

帮 助 说 明

计费方式：

○ 按音频时长（秒）计费，可通过点数兑换转录时长（1点数=120秒）

补充说明

① 推荐上传wav音频格式（16K采样率），该格式无损，识别效果好

② 上传音频文件最大1GB，保留3天后自动删除

③ 每个订单会同时提供srt字幕文件、txt文本文件；

④ 每个订单会同时提供多个【标点符号】srt版本，中文会提供3种标点符号版本（完整、去尾、无），其他语言会提供2种版本（完整、去尾）；

⑤ 不同模型会有自己的特有参数，具体在选择模型后可以看到；

⑥ 智能断句的模型：Whisper-large-v3（字母语言）、腾讯（中文）、Nova-2（字母语言）；

⑦ 支持多个源语言的模型：[腾讯]普方英、[腾讯]中英粤、Whisper-Zero，默认识别出来的是对应的源语言，而不是统一的某个语言（可使用本站的谷歌/AI接口翻译成统一语言）；

⑧ 部分模型支持填写热词，以提高识别准确度，最多可填写100个词汇，使用英文逗号,分割，可以填写对应源语言，文字、单词、带空格的短语都支持。

⑨ 待开发功能：音频降噪预处理、多语种统一翻译

转录模型比较

模型 定价 速度 时长上限 支持语言 特点
Distil-Whisper-large-v3 基础时长*0.2（0.007-0.02元/分钟） 较快 5小时 英语 whisper改进版本，无幻觉，英语专用，性价比高
缺点：默认算法断句、部分时间轴略微提前、速度一般、午夜易超时
Whisper-large-v3 基础时长*0.4（0.014-0.04元/分钟） 一般 5小时 主流语言56种 whisper原版最强型号，各语种都比较擅长，字母语言智能断句
缺点：存在轻微幻觉、部分时间轴略微提前、速度慢、午夜易超时
腾讯系列 基础时长*1（0.035-0.1元/分钟） 极快 5小时 普通话、方言等 中文识别首选，智能断句，速度快
缺点：多语种识别结果语言不统一
[腾讯]普方英 基础时长*1.5（0.05-0.15元/分钟） 极快 5小时 普通话+方言+英语 普通话+方言+英语识别首选
缺点：识别结果语言不统一
Nova-2 基础时长*1.5（0.05-0.15元/分钟） 极快 5小时 主流语言31种 擅长字母语言，字母语言智能断句，速度快
缺点：价格略贵，非字母语言断句可能有瑕疵
Whisper-Zero 基础时长*3（0.105-0.3元/分钟） 较快 135分钟 主流语言56种 whisper改进版本，无幻觉；擅长字母语言，支持多个源语言
缺点：价格贵，多语种识别结果语言不统一

已加入后台任务，可关闭本页面，稍后到【转录订单】查看详情

说明：不同模型耗时不同，具体耗时可参考等待时间