01
上传一个本地媒体文件
直接从设备添加一个视频或音频文件。每个任务只接受一个来源，共享上传器会限制该文件不超过 50 MB。
把 MP4 文件转成带时间戳的文字
上传一个不超过 50 MB 的 MP4 或受支持音频文件，把其中的语音转成可搜索文字、词级时间和可复用逐字稿或字幕文件。
把 MP4 文件转成带时间戳的文字
- 每次处理一个视频或音频文件
- 单文件最大 50 MB
- 可导出 TXT、JSON、SRT、VTT
这个页面适合处理已经保存在本地设备上的 MP4 或音频文件。文件会先进入受项目权限保护的附件流程，再使用和其他转写工具相同的 runtime 生成可复用项目产物，而不是只在浏览器里显示一段临时文字。
这个转写工具可以处理什么
02
不需要已有字幕轨
流程会识别媒体中的语音，因此 MP4 不必内嵌字幕，也不需要额外上传字幕文件。
03
文字与时间线保持对应
标准转写模式自动识别口语语言并返回词级时间，方便搜索、引用、剪辑定位和制作字幕。
04
导出文字稿和字幕格式
完成后可复用为 TXT、结构化 JSON、SRT 和 WebVTT，无需重新上传并转写同一个文件。
转写任务示例
01
演示录像转可搜索笔记
上传演示或录课文件，把口头讲解保留为带时间戳的可搜索文字，便于后续复查。
转写这个 MP4 演示录像，自动识别语言并保留词级时间。
生成项目内逐字稿，以及与录像时间线对应的字幕文件。
02
区分访谈文件中的说话人
本地访谈、圆桌或对话需要标记发言人时，选择支持说话人的模式。
转写这个上传的访谈文件，区分说话人并保留词级时间。
生成适合编辑审核、引用和节目笔记的说话人段落。
按能力选择转写模式
积分按实际转写时长结算。只需要带时间文字时选择标准转写，需要区分发言人时选择说话人识别模式。
01
标准转写：每分钟 10 积分
自动识别语言并生成词级时间戳；此模式不添加说话人标签。
02
说话人识别：每小时 440 积分
支持说话人和音频事件标签；启用关键词引导时每小时 540 积分。
03
导出文件无需重复计费
结果会保存在项目中并记录所选模式和实际时长；下载 TXT、JSON、SRT、VTT 不会再次扣除转写积分。
从媒体来源到可复用文字稿
一个公开链接或上传文件，会被处理成带时间信息的结构化文字，并可重复下载为多种格式。
01
从链接或媒体文件开始
粘贴公开视频 URL，或上传一个音频/视频文件。沙箱会先下载并标准化媒体，再开始转写。
02
保留时间与文字结构
语音会统一为可搜索全文、带时间的词和可读段落；精准模式还可保留说话人和音频事件。
03
无需重复转写即可导出
完成后的结果可以直接复用为纯文本、结构化 JSON、SRT 字幕或 WebVTT，不会再次执行转写。
适用场景
剪辑师与制作团队
把导出样片或拍摄文件转成可搜索脚本，再筛选引用、字幕和章节。
会议与研究录音
在总结或提取决策前，先保留上传录像中的带时间戳原始证据。
课程与内部培训
从录课生成笔记和字幕，用于复习、无障碍和本地化交接。
使用流程
- 01
添加一个不超过 50 MB 的文件
从设备选择一个 MP4 或受支持音频文件。更大的来源需要先压缩或拆分。
- 02
选择转写模式
标准转写每分钟 10 积分，适合词级时间文字；确实需要说话人或音频事件标签时选择说话人识别模式。
- 03
检查并导出产物
在项目中打开完成的逐字稿，再下载 TXT、JSON、SRT 或 VTT，用于剪辑、笔记或字幕。
浏览转写工具
AI 视频转文字：生成时间戳与字幕
粘贴 YouTube、抖音、Bilibili 等公开视频链接，或上传一个音视频文件，获得可搜索文字、词级时间戳、可选说话人标签和字幕。
粘贴 YouTube 链接生成带时间戳逐字稿
支持公开 YouTube 视频、Shorts 和直播回放。系统处理视频中的语音，生成可搜索文字、时间戳和可复用字幕文件。
把公开 Instagram Reel 转成带时间戳逐字稿
粘贴包含可访问口播音频的公开 Reel 或视频帖子 URL，生成可搜索文字、时间戳和字幕文件，无需重新上传媒体。
把公开 TikTok 视频转成带时间戳逐字稿
粘贴一个公开 TikTok 视频链接，提取可搜索口播文字与时间信息，并直接导出字幕，无需上传视频。
常见问题
MP4 文件上传上限是多少？
每个转写任务可以上传一个不超过 50 MB 的视频或音频文件。更大的录像需要先压缩或拆分。
MP4 必须已经带字幕吗？
不需要。流程会转写文件中的语音，不要求 MP4 内嵌字幕或已有单独字幕轨。
MP4 转文字需要多少积分？
标准转写每分钟 10 积分。说话人识别模式每小时 440 积分，启用关键词引导时每小时 540 积分。
可以生成字幕或区分说话人吗？
完成后的逐字稿可以导出 SRT、VTT、TXT 和 JSON。需要说话人和音频事件标签时，请选择说话人识别模式。
把 MP4 变成可复用文字
添加一个文件，把逐字稿、时间戳和字幕下载保存在同一个项目内。