录音音视频一键转文字：上传 → AI 识别 → 导出完整流程

为什么语音转文字值得先学

在录咖六件套里，语音转文字是信息处理的入口——会议录音、课堂讲座、播客节目、产品访谈，这些音频内容只有转成文字才能被搜索、被总结、被翻译、被生成字幕。录咖把这件事做得异常简单：上传 → 等几十秒 → 拿文稿，全程不用碰任何设置。

进入左侧导航「AI 语音转文字」，中间工作区就是上传界面。三种上传方式：

把本地的 MP3 / MP4 / WAV / M4V / WebM 文件直接拖进浏览器窗口，页面会自动跳转到语音转文字的工作区并开始上传。一次最多拖一个文件，商业会员支持批量上传。

点击「选择文件」按钮，弹出系统文件选择器，选好后开始上传。和拖拽效果一样，但方便精准定位。

如果你之前已经上传过文件到录咖云端（比如用 Chrome 插件录的屏、手机端上传的录音），直接从「我的空间」里选就行，不用再走一次上传流程。

文件限制：视频 ≤ 4GB、音频 ≤ 500MB，时长 ≤ 5 小时。上传过程中页面不能关闭，但可以开新标签页做别的事——录咖云端会持续处理，回到这个页面就能看到进度。

上传完成后，录咖 AI 自动开始处理。这个阶段你可以设置几个关键参数：

多人对话场景（会议、圆桌讨论）一定要开。开启后 AI 会自动识别不同的声音，在转写文本中用「说话人 1、说话人 2、说话人 3」标注。如果不开，多人对话会混成一段，后期无法分清是谁在说什么。

转写完成后，AI 还能给你生成一段智能总结。录咖内置了几种模板：

模板选择可以处理完再改，AI 支持「重新生成总结」，每次消耗 1 算粒。

录咖 AI 语音识别的实际速度大致是1 分钟音频 ≈ 10~20 秒处理时间。一段 30 分钟的会议录音，通常 5~10 分钟就能转完。处理期间不需要留在页面，AI 完成后右上角会有提示，回到页面直接能看。

处理完成后，底部出现可编辑的文本框。AI 的识别准确率官方说 98%，实际体验对普通话、无背景噪音的录音确实接近这个数，但对以下场景还需要人工校对：

校对完后，录咖提供几种导出方式：

直接点「复制全文」按钮，整段文稿进剪贴板，粘到任何地方都行。适合短文稿快速使用。

纯文本文件，带换行但不带时间戳和说话人标注。适合做笔记素材。

带时间戳的字幕文件，每一行的时间戳是 HH:MM:SS,mmm --> HH:MM:SS,mmm 格式。适合后续导入剪辑软件、或者送到 AI 字幕功能做二次翻译和样式美化。

带格式的文档，保留说话人标注和段落结构。适合正式场景（会议纪要、访谈记录）直接归档。

不导出也行，直接留在「我的空间」里。会员期内文件长期保存，免费用户的文件按官方策略可能会定期清理。

每天有 1 次免费使用额度，限 20 分钟内文件。超过额度或需要处理更长的文件就要消耗算粒或开通会员。

免费版不支持批量，商业会员可以一次上传多个文件并发处理。日常个人使用建议单文件逐个处理。

如果浏览器意外关闭或网络断了，录咖的上传和处理是幂等的——重新打开页面、重新上传同一个文件即可，之前的进度不会保留，需要从头来。大文件上传前建议先压缩一下，避免中途断网浪费时间。

直接在结果区重新选择模板、点「重新生成总结」，AI 会在已有的识别基础上换一种总结逻辑，不用重新跑语音识别。每次重新生成消耗 1 算粒。