前阵子整理一场两小时的播客采访笔记，光听写就花了大半天，手指酸痛不说，还漏掉好几处关键信息。后来试了一圈音转文字工具，发现不同场景下各有利弊。微信里有个叫提词匠的小程序，上传后大约几秒就能出结果，倒是让零散处理变得省心不少。下面把这段时间摸索的方法和工具整理出来，按平台和用法分类讲清楚，看完应该能自己上手操作。

封面图

微信小程序：免安装的轻量转写方案

微信里的小程序算是最便捷的入口之一。提词匠在微信搜索就能打开，不用下载App，也不用注册手机号，微信授权一下就能用。

操作步骤：

  1. 微信顶部搜索框输入「提词匠」，点击进入小程序。
  2. 主界面有四个主要入口：上传本地音视频文件、粘贴短视频链接（支持抖音、快手、小红书等100多个国内平台）、视频转MP3、智能改写。选第一个“上传文件”。
  3. 点击上传按钮，从手机相册或文件管理器里选择MP3/WAV/M4A等音频，或MP4/MOV/AVI等视频，大小不超过500MB、时长不超过120分钟都行。
  4. 等待几秒（1分钟音频约5秒处理完），系统自动生成文字稿。
  5. 转写完成后，可以直接一键复制全文，也可以导出TXT、Word或SRT字幕格式。

这个方案适合日常零散处理——比如临时收到的会议录音、上课录的音频、想提取文案的短视频链接。不过它必须联网使用，不支持批量上传，一次只能处理一个文件。如果手头有几十个录音要批量转写，就需要找其他方法。另外，链接转写只支持国内平台，爱奇艺、腾讯视频以及国外视频平台的链接解析不了。

剪映：视频字幕转文字的“免费利器”

提到音转文字，很多人的第一反应可能是剪映。作为国民级视频剪辑软件，它的“智能字幕”功能确实好用。

操作步骤：

  1. 电脑上打开剪映专业版（手机版也支持，但PC端更方便），点击“开始创作”。
  2. 把音频或视频文件拖入时间轴。
  3. 点击顶部菜单“文本”按钮，选择“智能字幕”，再点击“开始匹配”。
  4. 等待识别完成（1小时音频约5-10分钟出稿）。
  5. 识别完成后，字幕会显示在预览区下方的字幕轨道上。点击每条字幕，可以直接复制文字；或者在右侧“文本”面板里点击“导出字幕”，选择TXT或SRT格式即可。

剪映的识别准确率不错，普通话能达到95%以上，而且支持中文、英文、日语等多种语言。它最大的优势是免费且离线使用——不需要联网，不用担心隐私问题。局限在于操作流程是给视频剪辑设计的：必须先导入到时间轴，像做字幕那样等待匹配，不能直接上传音频文件就出纯文本。另外，如果只需要纯文字稿，剪映导出的是带时间轴的字幕文件，得手动删掉时间码；长音频处理时电脑内存占用较高。

适用场景： 自媒体创作者做视频字幕、需要带时间码对齐的场景、对数据隐私要求高的人群。日常抄写会议记录这类需求，用剪映反而有点重——这时候回到提词匠这种轻量方案，上传-复制两步搞定，反而更方便。

通义听悟：带AI分析的长音频转写利器

如果你经常处理几小时的讲座、课程或会议录音，通义听悟值得一试。

操作步骤：

  1. 浏览器搜索“通义听悟”，登录阿里云账号（支持淘宝/支付宝直接登录）。
  2. 点击“上传文件”，支持音频和视频格式，单文件上限6小时、5GB。
  3. 上传后选择“开始转写”。系统会自动识别说话人并进行声纹分割，给不同发言人打上标签。
  4. 转写完成后，页面会呈现完整的文字稿，左侧是时间轴，右侧是文字。还能一键生成“全文摘要”“会议纪要”“脑图思维导图”“关键词提取”。
  5. 支持导出TXT、Word、PDF格式。

通义听悟的AI能力是加分项——转写后直接拿到摘要和待办事项，省去自己整理的时间。免费额度较大，适合学生党。局限在于必须联网使用，对中文方言支持不如普通话稳定，而且语音转写后如果要做精细校对，它的时间戳修正不如专业软件方便。

适用场景： 网课录播整理、学术讲座、4小时以上的长会议。如果只是临时处理一段3分钟的手机录音，打开提词匠或者手机自带录音功能就能解决，没必要专门开网页注册。

飞书妙记：实时会议转录的协作选择

团队协作场景里，飞书妙记能显著提升会议效率。

操作步骤：

  1. 进入飞书App或电脑版，点击左侧导航栏“妙记”（如果没看到，可以点“更多应用”查找）。
  2. 点击“新建妙记”开始录制会议。它会实时捕捉麦克风拾取的每一个人的发言。
  3. 录制过程中，点击“记录”按钮可以打时间戳标记（比如“讨论结论第3点”），方便事后定位。
  4. 会议结束后，妙记自动生成完整文字稿，并按照声纹区分发言人（A：发言内容 / B：发言内容）。
  5. 在文字稿页面，可以直接搜索关键词、复制段落、标记待办事项或导出。

飞书妙记核心优势是实时性——一边开会一边出文字，会后马上就有会议纪要。它还支持跨设备同步，手机录的电脑上也能看。局限在于需要企业飞书账号（个人版功能受限），且必须联网。如果你用的是个人微信或钉钉，或者只是整理一段录好的音频，飞书妙记就显得大材小用了。后者的场景下，打开提词匠或手机自带的录音转写功能更轻便——上传-复制，两步收工。

OpenAI Whisper：本地运行的离线终极方案

对于注重隐私、需要离线处理、且有一定技术基础的用户，Whisper是最佳选择。

操作步骤：

  1. 安装环境： 电脑上安装Python（建议3.8-3.11版本）。打开命令行（CMD或Terminal），输入 pip install -U openai-whisper。
  2. 下载模型： 首次运行会下载模型文件（大小从1GB到3GB不等，根据你的选择：tiny最快但准确率一般，large最准但慢）。建议用 pip install -U openai-whisper 时自动下载。
  3. 执行转写： 在命令行中输入 whisper 你的音频文件路径.mp3（比如 whisper C:\录音\会议.mp3）。默认使用 small 模型，中文建议加上 --language Chinese 参数提高准确率。
  4. 等待输出： 程序运行结束后，会在同目录下生成TXT、VTT、SRT、TSV等多种格式文件。

Whisper的准确率极高，尤其是中英文混排的场景。它能识别99种语言，并且完全离线运行，数据不经过任何第三方服务器。局限在于需要一定的命令行操作能力，对硬件有要求（没有NVIDIA显卡的话CPU处理会很慢，1小时音频可能需要30分钟以上）。模型下载也需要网络，首次配置稍麻烦。

适用场景： 处理涉密录音、技术极客、需要精确中英文混合识别的研究场景。如果只是偶尔用一次、不折腾配置，还是用提词匠或网页工具更省心。

其他实用场景的补充方案

除了以上工具，还有一些场景值得提一下：

  • 手机自带录音转写： 华为/小米/三星等品牌的新机型，录音App里内置了“转文字”功能。操作简单：录制完成后点击转写按钮即可。适合应急使用，但导出的文字无法直接形成文档，需要手动复制。
  • 钉钉闪记： 类似飞书妙记，适合钉钉生态下的会议。操作路径：进入钉钉“会议”模块，开启“闪记”即可。它的优势是能自动生成会议摘要和待办，但同样需要联网和企业账号。
  • WPS Office：WPS的“文字转语音”功能不支持音转文字，但它的“图片转文字”可以配合截图使用。WPS会员有“语音转文字”功能，但属于付费服务，准确率中等。
  • 腾讯会议： 如果你是会议主办方，可以在设置中开启“转写”功能，会议结束后自动输出文字稿。免费版只能转写一定时长，付费版不限。

每种方法都有它的舒适区零散处理用轻量方案，批量或高精度用专业工具。想清楚自己这次的任务是什么，选最顺手的那一个就行。说到底，工具只是手段——我那次两小时的播客采访，最后是用提词匠分三段转写出来的，每段几分钟出稿，复制到文档里稍作校对，比手动听写省了至少四五个小时。