語音轉文字
上傳音訊並建立可檢視、複製及匯出的逐字稿，支援 TXT、JSON、SRT 和 VTT 格式。
Dia TTS 語音轉文字
Dia TTS 是一款在瀏覽器中使用的語音轉文字與音訊轉錄工具，可將錄音中的語音轉換成容易閱讀的文字。上傳 MP3、OGG、WAV、M4A 或 AAC 檔案，單一檔案最大 50MB、音訊長度最長 30 分鐘，接著即可搭配原始錄音檢視逐字稿。當結果包含時間與講者資訊時，文字會跟隨音訊播放進度、分開顯示不同講者的發言，並支援點選單字或段落跳到對應位置。您可以複製完整逐字稿，也可以匯出 TXT、JSON、SRT 或 VTT。此頁面採用先上傳音訊再進行處理的方式，不支援即時語音輸入、影片上傳或音訊翻譯。
真實效果展示
由 Dia TTS 生成的真實範例。
輸入
輸出
為什麼使用 Dia TTS 語音轉文字
將 MP3、OGG、WAV、M4A 和 AAC 檔案中的語音轉換成容易閱讀的文字。單一檔案最大 50MB、最長 30 分鐘，適合處理語音備忘錄、訪談、Podcast 片段、課程及其他語音內容。
播放原始錄音時可同步檢視逐字稿。當結果包含單字層級的時間資訊時，文字會跟隨播放進度，點選單字或段落即可跳到錄音中的對應位置。若辨識到多位講者，各講者的發言會分開顯示。
複製完整逐字稿，或依照後續用途選擇匯出格式。TXT 適合一般文字處理，JSON 可保留結構化轉錄資料，SRT 和 VTT 則適合字幕工作流程。匯出字幕時，還能設定講者標籤、標點符號、支援的音訊標籤、字幕分組方式，以及 VTT 的單字層級時間戳記。
不需要安裝音訊轉錄軟體。上傳音訊、檢視結果和匯出檔案都能直接在瀏覽器中完成。新使用者註冊後可以使用贈送的試用點數。點數用量會依音訊長度計算，並以分鐘為單位。
如何將音訊轉換成文字
上傳清楚的音訊檔案
選擇 MP3、OGG、WAV、M4A 或 AAC 錄音。檔案不得超過 50MB，音訊長度不得超過 30 分鐘。
- •使用語音清楚、容易聽懂的錄音
- •讓人聲盡量比背景音樂與環境噪音清楚
- •避免明顯回音、破音和過度壓縮
- •盡可能減少多人同時說話
- •先移除沒有有效語音的長時間空白
- •送出前確認正確的檔案已完成上傳
開始音訊轉錄
送出已上傳的錄音即可開始轉錄。您不需要準備原始講稿，也不需要手動輸入錄音內容，工具會自動處理語音並建立逐字稿。處理時間與轉錄結果會受到音訊長度、錄音清晰度、背景噪音、口音、說話速度及多人語音重疊程度等因素影響。
檢視、複製並匯出逐字稿
轉錄完成後，開啟結果即可搭配原始音訊檢視文字。當時間資訊可用時，播放過程會醒目顯示對應文字，也可以直接跳到錄音中的指定位置。您可以匯出 TXT 進行筆記與文字編輯、匯出 JSON 保留結構化資料、匯出 SRT 供影片剪輯軟體與播放器使用，或匯出 VTT 供網站與相容的網頁播放器使用。如果文字仍需要校對，可以先複製或匯出，再使用常用的文字或字幕編輯器完成修正。
音訊轉文字適合哪些情境
Dia TTS 可以協助內容創作者、團隊、教育工作者與研究人員，將已獲授權的錄音轉換成方便後續使用的文字與字幕檔案。
Podcast 與訪談
將 Podcast 節目、訪談和來賓對話轉換成文字。當結果包含講者資訊時，可以分開顯示各講者的發言，讓對話內容更容易閱讀。
會議、課程與語音備忘錄
將已錄製的會議、課程、簡報和語音備忘錄轉換成方便檢視與搜尋的文字。目前工具處理的是已上傳錄音，不會加入即時會議，也不提供麥克風即時聽打。
字幕與內容製作
將音訊匯出成 SRT 或 VTT，運用在剪輯與發佈流程。逐字稿可作為字幕、節目說明、文章和短篇內容的基礎。如果原始素材是影片，請先擷取其中的音軌，因為此頁面只接受音訊檔案。
研究與資料整理
轉錄研究訪談、使用者回饋、客服錄音及其他已獲授權的音訊。可以匯出純文字方便閱讀，也可以保留結構化 JSON 或附有時間戳記的字幕檔案供後續處理。