EarScribe

关于 EarScribe

EarScribe 把录音整理成可搜索、可编辑、带时间戳的文字稿和字幕，让用户先拿到结果，不被注册流程打断。

默认推荐均衡设置，新手可以直接开始；模型对比、文字编辑和字幕检查按需展开，熟悉后再使用更多控制。

基于 Transformers.js、ONNX Runtime Web 和 OpenAI 开源 Whisper 模型构建。

从录音到可交付结果

不只是转写，而是一套简洁的文字稿工作台。

搜索文字稿，点击任意时间戳即可回听录音中的对应片段。

默认使用均衡推荐；只有需要更小下载或更高精度时，再展开高级模型。

采访、课程和播客可自动识别音频语言，无需先手动选择。

在工作台中修正人名、引语、数字和术语，复制与导出都会使用最新内容。

集中检查空白、过长、阅读过快、重复和时间重叠的字幕，并优化断行。

复制文字，或导出 TXT、SRT、VTT、JSON。免费、无限使用，无需注册。

免费、无限使用的音频转文字，无需注册或账号。支持 MP3 转文字、WAV 转文字、M4A 转文字及更多常见音频格式。

MP3WAVM4AOGGFLACWebMOpusAAC

Whisper 支持 99 种语言的音频转文字，模型会自动识别音频语言，无需手动选择。

英语普通话西班牙语印地语阿拉伯语葡萄牙语孟加拉语俄语日语旁遮普语德语爪哇语韩语法语泰卢固语越南语泰米尔语意大利语土耳其语波兰语乌克兰语荷兰语波斯语泰语瑞典语捷克语希腊语希伯来语芬兰语挪威语匈牙利语

浏览器音频转文字

很多音频转文字工具在屏幕上出现一段文字后就结束了。EarScribe 解决的是下一步：这句话在原录音的哪一秒？可搜索的分段、可点击的时间戳和原地编辑，让你复制或发布前始终能回到证据。

因此它更适合需要认真核对的一段录音：采访引语、课堂术语、播客片段或字幕文件。它没有把自己做成复杂的团队会议系统，也不只是返回一段无法继续处理的 API 文本。

浏览器会解码你选择的音频，并通过 Transformers.js 和 ONNX Runtime Web 运行 Whisper 模型。文件不会进入 EarScribe 的上传队列。首次运行需要把模型下载到浏览器缓存；同一设备和浏览器再次使用时，可能直接复用缓存。

本地处理可以减少录音上传暴露面，但不等于浏览器天然绝对安全。设备、扩展程序、浏览器存储和导出文件仍需要正常管理。实际能处理多长的音频取决于设备内存和算力，旧手机上使用更小模型或先裁掉静音通常更稳。

大多数清晰人声直接使用均衡模式即可。Tiny 适合优先考虑速度和下载体积的场景；Small 在设备有余量时对口音或噪音可能更有帮助；Turbo 对内存和 WebGPU 要求更高。模型选择器把这些取舍直接展示出来，不要求新手一开始就比较四个下载包。

任何模型都无法找回被爆音、音乐或多人重叠说话遮住的词。录音质量、麦克风距离和最后一次回听，往往比单纯升级一个模型更能改善结果。

如果你要自己核对并导出一段录音，EarScribe 就适合这个流程。如果你需要共享项目、团队留存策略或自动管理说话人，托管团队软件可能更合适。如果结果必须嵌入自己的产品，转录 API 通常更合适。

EarScribe 不承诺实时课堂字幕、自动说话人标签、AI 会议总结、把字幕烧录进视频或直接发布到平台。把边界说清楚，可以让你在处理文件前就选对工作流。

浏览器音频转文字

按任务选择合适的工作方式

对比浏览器工作台、转录 API 和托管转录软件分别适合什么任务。

功能	EarScribe	转录 API	托管软件
无需账号即可开始	是	否	否
无需 API 集成即可使用	是	否	是
包含可编辑的文字稿工作台	是	否	是
在哪里工作	浏览器内	你的产品内	托管应用内
包含带时间戳的文字	是	是	是
点击时间戳回听原音	是	否	是
可选择模型	是	是	因产品而异