01
上傳一個本機媒體檔案
直接從裝置新增一個影片或音訊檔案。每個任務僅接受一個來源，共用上傳器會將檔案限制在 50 MB 以內。
MP4 轉文字，產生附時間戳的逐字稿
上傳一個不超過 50 MB 的 MP4 或支援的音訊檔案，將其中的語音轉成可搜尋文字、逐字時間資訊，以及可重複使用的逐字稿或字幕檔案。
MP4 轉文字，產生附時間戳的逐字稿
- 每次處理一個影片或音訊檔案
- 單一檔案上限為 50 MB
- 可匯出 TXT、JSON、SRT、VTT
這個頁面適合處理已儲存在本機裝置上的 MP4 或音訊檔案。檔案會先進入受專案權限保護的附件流程，再使用與其他轉錄工具相同的執行環境，產生可重複使用的專案成果，而不只是在瀏覽器中顯示一段暫存文字。
這個轉錄工具可以處理什麼
02
不需要現有字幕軌
流程會辨識媒體中的語音，因此 MP4 不必內嵌字幕，也不需要另外上傳字幕檔案。
03
文字與時間軸保持對應
標準轉錄模式會自動辨識口語語言並傳回逐字時間，方便搜尋、引用、定位剪輯片段和製作字幕。
04
匯出逐字稿與字幕格式
完成後可重複使用為 TXT、結構化 JSON、SRT 和 WebVTT，不必重新上傳及轉錄同一個檔案。
轉錄任務範例
01
示範錄影轉成可搜尋筆記
上傳示範或課程錄影檔案，將口頭講解保留為附時間戳的可搜尋文字，方便後續檢視。
轉錄這個 MP4 示範錄影，自動辨識語言並保留逐字時間。
產生專案內的逐字稿，以及與錄影時間軸對應的字幕檔案。
02
區分訪談檔案中的講者
本機訪談、圓桌討論或對話需要標示發言者時，請選擇支援講者辨識的模式。
轉錄這個已上傳的訪談檔案，區分講者並保留逐字時間。
產生適合編輯審核、引用和節目筆記的講者段落。
依功能選擇轉錄模式
點數依實際轉錄時長計算。只需要附時間文字時選擇標準轉錄；需要區分發言者時，則選擇講者辨識模式。
01
標準轉錄：每分鐘 10 點
自動辨識語言並產生逐字時間戳；此模式不會加入講者標籤。
02
講者辨識：每小時 440 點
支援講者和音訊事件標籤；啟用關鍵字引導時，每小時 540 點。
03
匯出檔案不重複計費
結果會儲存在專案中，並記錄所選模式和實際時長；下載 TXT、JSON、SRT、VTT 不會再次扣除轉錄點數。
從媒體來源到可重複使用的逐字稿
一個公開連結或上傳檔案會被處理成含時間資訊的結構化文字，並可重複下載為多種格式。
01
從連結或媒體檔案開始
貼上公開影片 URL，或上傳一個音訊／影片檔案。沙箱會先下載並標準化媒體，再開始轉錄。
02
保留時間與文字結構
語音會統整為可搜尋全文、附時間的字詞和易讀段落；精準模式也可保留講者和音訊事件。
03
無須重複轉錄即可匯出
完成後的結果可以直接重複使用為純文字、結構化 JSON、SRT 字幕或 WebVTT，不會再次執行轉錄。
適用情境
剪輯師與製作團隊
將匯出的毛片或拍攝檔案轉成可搜尋腳本，再篩選引用內容、字幕和章節。
會議與研究錄音
在摘要或擷取決策前，先保留上傳錄影中的時間戳原始證據。
課程與內部培訓
從課程錄影產生筆記和字幕，用於複習、無障礙需求和在地化交接。
使用流程
- 01
新增一個不超過 50 MB 的檔案
從裝置選擇一個 MP4 或支援的音訊檔案。較大的來源需要先壓縮或分割。
- 02
選擇轉錄模式
標準轉錄每分鐘 10 點，適合需要逐字時間的文字；確實需要講者或音訊事件標籤時，請選擇講者辨識模式。
- 03
檢查並匯出成果
在專案中開啟完成的逐字稿，再下載 TXT、JSON、SRT 或 VTT，用於剪輯、筆記或字幕。
瀏覽轉錄工具
AI 影片轉文字：產生影片逐字稿、時間戳與字幕
貼上 YouTube、抖音、Bilibili 等公開影片連結，或上傳一個影音檔案，即可取得可搜尋的文字、逐字時間戳、選用講者標籤和字幕。
貼上 YouTube 連結，產生附時間戳的逐字稿
支援公開的 YouTube 影片、Shorts 和直播重播。系統會處理影片中的語音，產生可搜尋的文字、時間戳與可重複使用的字幕檔案。
Instagram 影片轉文字：將公開 Reel 轉成附時間戳的逐字稿
貼上含有可取得語音內容的公開 Reel 或影片貼文網址，即可產生可搜尋文字、時間戳與字幕檔案，無須重新上傳媒體。
將公開 TikTok 影片轉成附時間戳的逐字稿
貼上一個公開的 TikTok 影片連結，擷取可搜尋的口播文字與時間資訊，並直接匯出字幕，無須上傳影片。
常見問題
MP4 檔案的上傳上限是多少？
每個轉錄任務可以上傳一個不超過 50 MB 的影片或音訊檔案。較大的錄影需要先壓縮或分割。
MP4 必須已經有字幕嗎？
不需要。流程會轉錄檔案中的語音，不要求 MP4 內嵌字幕或已有獨立字幕軌。
MP4 轉文字需要多少點數？
標準轉錄每分鐘 10 點。講者辨識模式每小時 440 點，啟用關鍵字引導時每小時 540 點。
可以產生字幕或區分講者嗎？
完成後的逐字稿可以匯出 SRT、VTT、TXT 和 JSON。需要講者和音訊事件標籤時，請選擇講者辨識模式。
將 MP4 變成可重複使用的文字
新增一個檔案，將逐字稿、時間戳和字幕下載項目儲存在同一個專案中。