语音转文字

如何使用语音转文字

关于语音转文字的常见问题

语音转文字会上传我的录音吗，安全吗

如实说明：小鹿tools 没有服务器，不接收也不保存你的音频与文字，文稿只在你的浏览器里，刷新即消失。但语音识别这一步是浏览器内置引擎做的，Chrome、Edge、Safari 在多数情况下会把音频发送到浏览器厂商自家的云端语音服务处理，这一步由浏览器厂商控制，我们无法代替它承诺「音频不出设备」。如果你的浏览器已经具备本机识别能力（例如新版 Chrome 已下载该语言的离线语音包），本页会自动优先启用并在顶部显示「已启用本机识别」；语音包动辄上百 MB，需要你在浏览器里自行下载，本页不会替你下载。涉及机密内容请谨慎使用。

手机上怎么用语音转文字，需要装 App 吗

不用装 App。手机浏览器打开本页就能用：安卓用 Chrome、iPhone 用 Safari，点「开始听写」并允许麦克风即可。iOS 有两个系统限制要知道：必须由你手动点击按钮触发，不能自动开始；锁屏或切到别的应用会中断听写，回到页面需要重新点一次。部分安卓机型的连续听写也不太稳定，长时间录建议分段保存。

语音转文字能上传录音文件转成文字吗

一期只支持麦克风实时听写，不能上传录音文件。原因是浏览器的语音识别标准接口（Web Speech API）只接受实时麦克风输入，无法喂入音频或视频文件；而用 WASM 本地模型（如 whisper）要下载几十上百 MB 的模型，远超本站轻量工具的基线，我们不打算为此拖慢所有用户。变通办法是用另一台设备外放录音、让本页麦克风收音，但隔空录音效果一般，仅适合应急。文件转写方案仍在评估中。

语音转文字免费吗，需要注册登录吗

完全免费，不需要注册、不需要登录，也不限次数、不加水印。本页没有任何付费档位或试用限制，打开就能用。

语音转文字能连续说多久，有字数上限吗

时长本身没有额外限制，只要一直有人说话，工具就会一直续听；真正的上限是文稿长度——单次会话约 100 万字，写满后会提示先下载保存再继续，已识别的内容不会被截断或丢弃。另外有两条会自动暂停的护栏：连续几轮都没听到任何声音会主动停下，页面切到后台超过 1 分钟也会自动暂停，避免你忘了关麦克风。所以长会议、长口播建议分段听写，每段随手下载一次 TXT，既不怕意外刷新，整理起来也更省事。

语音转文字一小时会议能出多少字

按中文口语常见语速算：日常讲话每分钟 180~260 字，一小时不停地讲大约是 1.1 万~1.6 万字，照稿念的口播还会更多。本页单次会话的文稿上限是 100 万字符，按这个速度要连着讲 60 小时以上才写得满，正常会议根本撞不到。真正要防的是意外丢稿——刷新页面、页面切到后台超过 1 分钟被自动暂停、电脑休眠，都会打断当前这一段，所以长会议建议每 20~30 分钟点一次「下载 TXT」，分段存比最后一次性存稳妥得多。

语音转文字能自动加标点吗

标点由浏览器的识别引擎决定，本工具不做二次加标点。实测 Chrome 上中文普通话与英语通常会自动补逗号、句号，粤语和小语种经常整段不带标点，Safari 的表现也和 Chrome 不同。有两个办法可以省事：一是试着把「逗号」「句号」当口令念出来，认这套口令的引擎会照着断句，先说一句试试就知道认不认；二是识别完在文本框里补，成批的问题用站内「查找替换」一次改完。段落层面不用担心——本页的「自动断句换行」开关默认开着，每识别完一段就自动另起一行，这一步是页面加的，不依赖引擎。

语音转文字识别不准确怎么办

识别准确率由浏览器引擎和录音环境决定，本工具不做二次纠错，也不承诺「99% 准确」。实测下来：安静环境、标准普通话、嘴离麦克风近、语速平稳时短句最稳；口音、方言、多人同时说话、背景音乐会明显掉准；人名、公司名、专业术语常被识别成同音字，标点是否自动加也各引擎不一。建议先说一两句试试效果，识别完直接在文本框里改错字，量大时可以用站内「查找替换」批量订正。

语音转文字说着说着就停了怎么解决

这是浏览器引擎的正常行为：连续静音几十秒后它会自己结束这一轮识别。本工具默认开启「自动续听」，会在退避 1 秒后自动接上，并用重叠去重把引擎重启时重复吐出的尾句截掉，所以不会出现「今天天气不错今天天气不错」这种重复。如果连续几轮都没听到任何声音，工具会主动暂停并提示，避免无意义地反复重启麦克风，这时点「开始听写」即可继续。

语音转文字下载的 TXT 打开乱码吗

不会乱码。下载的 TXT 是 UTF-8 编码并带 BOM，Windows 记事本、写字板、Word、Excel 直接打开都正常，macOS 与手机上同样正常。带时间戳的那一份每行以 [00:01:23] 开头，方便回头定位内容。有一点要说清楚：带时间戳的文稿是按识别当时的分段生成的，不包含你后来在文本框里手动改掉的错字，需要改后的版本请下载普通 TXT，或者复制全文再粘贴保存。

语音转文字支持粤语和英语等多语言吗

支持。语言下拉里有中文（普通话）、粤语（广东话）、中文（台湾）、中文（香港）、英语（美国 / 英国）、日语、韩语、法语、德语、西班牙语、俄语，听写过程中也能直接切换，工具会自动换一台识别器继续。实际效果取决于你所用浏览器对该语言的支持程度——中文普通话和英语最稳，粤语和小语种的表现差异较大。

语音转文字用什么浏览器，Firefox 为什么用不了

Firefox 默认没有开启语音识别接口，所以打开本页会看到「当前浏览器不支持语音识别」的提示，这不是页面出错。推荐用电脑或手机版的 Chrome、Edge、Safari。另外语音转文字必须在 https 安全连接下使用，用 http 或本地文件方式打开时浏览器会直接拒绝麦克风；部分安卓 WebView 与微信内置浏览器也可能不支持或授权受限，遇到时请点右上角「在浏览器中打开」。

语音转文字准确率怎么样，录音会不会被上传

准确率由浏览器引擎和录音环境决定，本工具不做二次纠错，识别完直接在文本框里改错字即可。 录音方面，小鹿tools 没有服务器，不接收也不保存你的音频与文字；但识别这一步走浏览器内置引擎，音频可能被送到浏览器厂商的云端处理。

识别引擎

浏览器内置的 Web Speech 语音识别，不装插件、不下载模型；准确率与语言支持由浏览器决定

实测效果

安静环境 + 标准普通话 + 近距麦克风的短句最稳；口音、方言、多人对话、背景音乐会明显掉准

自动续听

引擎静音数十秒会自停，本工具退避 1 秒自动重启并去掉重复尾句；连续无声则主动暂停，不会反复重启

导出格式

复制全文、下载 TXT（UTF-8 带 BOM，记事本打开不乱码）、下载带时间戳 TXT（[00:01:23] 行首）

浏览器支持

Chrome / Edge / Safari 可用，Firefox 默认不支持；必须 https 打开才能用麦克风

本地记忆

只记住识别语言与几个开关，绝不把文稿内容写进浏览器存储；文稿刷新即失

字数换算

中文口语每分钟约 180~260 字：10 分钟发言约 1800~2600 字，1 小时会议约 1.1 万~1.6 万字；单次会话上限 100 万字符，够连着讲 60 小时以上

语言与切换

中文（普通话/粤语/台湾/香港）、英语（美/英）、日、韩、法、德、西、俄共 12 种，听写中途也能换