01
支援 YouTube 等主流平台
支援 YouTube、Vimeo、TikTok、抖音、Bilibili、X、Instagram、Facebook、Twitch 和 Dailymotion 的公開頁面。
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。
AI 影片轉文字：產生影片逐字稿、時間戳與字幕
- 支援 YouTube 等 10 個主流平台
- 精準模式支援講者標籤
- 可匯出 JSON/TXT/SRT/VTT
轉錄流程支援公開影片平台頁面、公開媒體直連網址和專案上傳檔案，並沿用現有的任務、用量計費和專案結果流程。所有處理都在受保護的伺服器端環境中完成。
支援的來源與轉錄功能
02
標準轉錄模式保留逐字時間
標準模式會自動辨識語言並回傳逐字時間戳，但不會加入無法可靠辨識的講者標籤。
03
可選用講者辨識
訪談需要區分發言者、保留音訊事件或使用關鍵字引導時，可以選擇講者辨識模式。
04
統一內容結構並直接匯出字幕
結果統一包含全文、語言、時長、字詞、段落、講者和來源資訊，並可匯出 JSON、TXT、SRT、VTT。
常見轉錄任務
01
附講者標示的訪談逐字稿
為雙人訪談保留逐字時間和講者段落，方便剪輯與引用審核。
使用精準模式轉錄這段訪談，並保留講者標籤。
在專案內產生可搜尋的逐字稿，並提供 SRT 與 VTT。
02
使用標準模式轉錄課程
單人課程不需要區分講者時，可使用標準模式產生附時間戳的逐字稿。
使用標準轉錄模式處理這堂課程，並自動辨識語言。
產生可搜尋、附逐字時間且不臆測講者的逐字稿。
比較轉錄模式、功能與點數
點數按實際轉錄時長計算。只需依輸出需求選擇模式，無須了解底層服務。
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
用量可供審核，產出歸屬專案
結果會記錄所選模式、實際時長和不支援的選項，逐字稿與匯出連結受原專案權限保護。
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，會被處理成附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
語音會統一整理成可搜尋的全文、附時間的字詞和易讀段落；精準模式還可保留講者和音訊事件。
03
無須重複轉錄即可匯出
完成後的結果可直接重複用於純文字、結構化 JSON、SRT 字幕或 WebVTT，不會再次執行轉錄。
適用情境
Podcast 與訪談
為節目筆記、精華引言、章節和編輯交接產生可審核的講者逐字稿。
課程與直播回放
將錄製課程轉成可搜尋的筆記和字幕檔，用於無障礙與在地化。
研究與使用者訪談
在歸納主題或擷取決策前，先保留附時間戳的原始證據。
使用流程
- 01
新增一個來源
貼上公開 URL 或上傳一個影音檔案；私人網路和本機位址會遭拒絕。
- 02
選擇品質與成本
標準模式用於產生附時間戳的文字；需要講者或音訊事件標籤時，請選擇講者辨識模式。
- 03
使用轉錄產出
在專案中查看逐字稿，並下載 JSON、TXT、SRT 或 VTT。
瀏覽轉錄工具
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。
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。
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
支援哪些影片平台？
支援 YouTube、Vimeo、TikTok、抖音、Bilibili、X/Twitter、Instagram、Facebook、Twitch、Dailymotion 的公開頁面，以及公開媒體直連網址和上傳檔案。
不同轉錄模式需要多少點數？
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。
最長支援多長的影片？私人 URL 可以使用嗎？
公開 URL 預處理最長支援 24 小時、最大下載 4 GB，並以 30 分鐘分段處理。私人和區域網路 URL 會遭拒絕；實際處理限制可能更低。
可以下載字幕並區分講者嗎？
所有結果都可匯出為 JSON、TXT、SRT 和 VTT。需要講者和音訊事件標籤時，請選擇講者辨識模式。
讓每段錄音都能被搜尋
從一個 URL 或檔案開始，再將逐字稿用於字幕、筆記、研究和後續內容。