🎙️ AI 音訊轉文字

適合拿來做什麼

• 會議錄音轉逐字稿：選擇 TXT 輸出，取得加上標點的全文紀錄，再從中整理會議記錄與待辦事項，比邊聽邊打字省下大量時間。
• 影片字幕製作：選擇 SRT 或 VTT，把產生的字幕檔匯入剪輯軟體或影音平台，作為上字幕的初稿。
• 課堂與講座筆記：把錄下的上課內容轉成文字，方便搜尋關鍵字、標記重點與整理成筆記。
• Podcast 與訪談整理：產生節目文字稿，方便撰寫節目介紹、摘錄金句，也讓聽障朋友能閱讀內容。

如果素材是影片，可以先用本站的「提取影片音訊」工具把影片轉成 MP3 或 M4A，再回到這裡轉成文字。

運作方式與隱私

按下開始轉換後，瀏覽器會用你的 API Key 把音訊檔直接上傳到 Google 的 Gemini 檔案服務，等待 Google 處理完成後，再請 Gemini Flash 模型依你選的格式產生文字，最後在瀏覽器中組成檔案供你下載。本站沒有伺服器參與這個流程，也看不到你的錄音或結果。

要注意的是，辨識工作是由 Google 完成的，錄音檔確實會傳送到 Google。API Key 只儲存在你這台電腦的瀏覽器中，下次開啟會自動帶入；如果使用的是公用電腦，用完後請把輸入框清空，以免他人使用你的額度。

三種輸出格式比較

格式	時間軸	適合用途
SRT	有	剪輯軟體、影音平台上傳字幕
VTT	有	網頁 HTML5 播放器、自架網站影片
TXT	無	會議紀錄、逐字稿、筆記與文章素材

產生字幕時，工具會要求模型每個字幕區塊只放一行，中文每行最多 15 個字、英文最多 30 個字元，並依語言使用正確的全形或半形標點，讓字幕在畫面上不會過長。

提升準確度的建議與限制

• 收音品質影響最大：講者靠近麥克風、背景安靜、避免多人同時說話，辨識結果會明顯較好。
• AI 可能聽錯人名、專有名詞或數字，時間軸也可能略有偏差，正式使用前請對照錄音校對一次。
• 提示詞沒有指定繁體或簡體，中文結果偶爾可能出現簡體字，必要時再用繁簡轉換工具處理。
• 每次轉換是一次完整的請求，很長的錄音可能因模型單次輸出長度有限而不完整，建議先剪成較短的段落。

音訊轉文字可以免費使用嗎？

本工具本身不收費，但語音辨識是透過你自己的 Google AI Studio API Key 呼叫 Gemini 模型。Google 對 API 提供免費使用額度，額度內不需付費；超過額度或改用付費方案時，費用依 Google 公布的價格向你的帳戶計算，與本站無關。

錄音檔會上傳到哪裡？安全嗎？

錄音檔會由你的瀏覽器直接上傳到 Google Gemini API 進行辨識，不會經過本站伺服器。檔案上傳後的保存與使用方式適用 Google 的服務條款，涉及機密或個資的錄音，請先確認公司規定與 Google 的資料使用政策再上傳。

會議錄音怎麼快速轉成逐字稿？

把會議錄音存成 MP3 或 M4A，輸出格式選擇 TXT，按下開始轉換即可得到加上標點的純文字逐字稿。如果手上只有會議錄影，可以先用本站的「提取影片音訊」工具把影片轉成 MP3，再上傳到這裡。

SRT 和 VTT 字幕有什麼差別？

兩者都是帶時間軸的字幕檔，內容幾乎相同。SRT 是最普及的格式，剪輯軟體與影音平台大多都能匯入；VTT（WebVTT）是網頁 HTML5 播放器使用的標準格式，適合放在自己的網站上。不確定時選 SRT 即可。

轉換時出現錯誤怎麼辦？

先看處理進度區塊的錯誤訊息。最常見的原因是 API Key 貼錯或已失效、超過 Google 的免費用量限制，或網路連線中斷。確認 API Key 正確並稍後再試；若錄音很長，也可以先剪成較短的片段分次轉換。