錄音留在你的電腦上

沒有上傳這一步。檔案在瀏覽器分頁裡讀取、轉寫，文字直接進編輯器。訪談、病歷口述、客戶電話都不會離開這台裝置。

用「錄音」按鈕錄下的聲音只在記憶體裡，關掉分頁就沒了。轉出來的文字會存在瀏覽器裡，重新整理頁面不會遺失。

邊聽邊改

每一行開頭有一個小的時間標籤，點一下就從那一句開始播放原音，核對一個人名或數字只要點一下。播放時，正在說的那一行會在編輯器裡標出來。

像改一般文件一樣改文字。時間跟著各自的行走，之後下載的 SRT 和 VTT 檔既帶著你的修改，也保留原本的時間。

快速還是精準

預設是「快速」。英文用一個只做英文的引擎，它按每段的實際長度計算，不會把每段都補到 30 秒，所以短錄音很快就出來；其他語言用一個小巧的多語言引擎。

「精準」用較大的多語言引擎，首次下載也較大。我們在一台筆電上只用處理器測試，一段 22 秒的英文錄音，「快速」約 1 秒，「精準」約 13 秒，兩種都把人名、日期和金額辨識對了。某個名字或口音在「快速」裡老是出錯時，先換「精準」再手動改。

安靜的地方不會冒出字

語音引擎容易在沒人說話的地方編出文字。我們測過一段 32 秒的風聲和車流聲，結果出來一句「Thank you.」。所以長時間的靜音從不送進引擎；「Thank you」「Thanks for watching」這類短句，只有在底下的聲音不像說話時才會刪掉。演講結尾真的說了「謝謝」會保留。

可以下載什麼

TXT 是純段落：句子連在一起，停頓 1.5 秒以上就另起一段。SRT 和 VTT 是字幕檔，每則最多兩行，英文每行最多 42 個字元，中日文每行 18 個字，可直接用於 YouTube、Premiere、DaVinci Resolve 和 CapCut。Word（DOCX）能用 Word、Pages 和 Google 文件開啟。

想聽這段文字被唸出來，在下載選單裡選「朗讀」。它會開啟 TextToSpeech.tools，逐字稿已經填好。

限制

一個檔案最長 3 小時。以 16 kHz 單聲道計，一小時音訊約佔 115 MB 記憶體，所以手機上的超長檔案可能還沒轉完就記憶體不足。遇到這種情況，把檔案分成幾段分別轉寫。

影片檔只要瀏覽器能解碼它的音軌就能轉。最常見的是帶 AAC 音訊的 MP4、MOV，以及帶 Opus 的 WebM 和 MKV。沒有音軌的檔案會給出明確提示，不會得到一份空白逐字稿。