语音转文字
上传音频并生成可预览、复制和导出的转写文本，支持 TXT、JSON、SRT 和 VTT 格式。
Dia TTS 语音转文字
Dia TTS 是一款基于浏览器的语音转文字和音频转录工具，可以将录音中的语音转换为可阅读的文字。上传 MP3、OGG、WAV、M4A 或 AAC 文件，即可生成转写内容。每个文件最大为 50MB，音频时长不能超过 30 分钟。当转写结果包含时间和说话人信息时，预览内容可以跟随原音频播放，区分不同说话人的发言，并支持点击文字或段落跳转到对应的音频位置。您可以复制完整文字，也可以导出 TXT、JSON、SRT 或 VTT 文件。当前页面采用上传音频后进行处理的方式，不是实时语音输入、视频上传或音频翻译工具。
真实效果展示
由 Dia TTS 生成的真实示例。
输入
输出
为什么使用 Dia TTS 语音转文字
将 MP3、OGG、WAV、M4A 和 AAC 文件中的语音转换为可阅读的文字。每次上传的文件最大为 50MB、最长为 30 分钟，适合处理录音、访谈、播客片段、课程和其他有声内容。
您可以在收听原始录音的同时查看转写文本。当结果包含词级时间信息时，文字会跟随播放进度，并支持点击词语或段落跳转到录音中的对应位置。当识别到说话人信息时，不同说话人的内容会分别展示。
复制完整文字，或者根据后续用途选择导出格式。TXT 适合普通文字处理，JSON 保留结构化转写数据，SRT 和 VTT 则适合字幕工作流。导出字幕时，还可以设置说话人标签、标点、受支持的音频标签、字幕分组方式，以及 VTT 的词级时间戳。
无需安装音频转录软件。上传音频、查看结果和导出文件都可以直接在浏览器中完成。新用户注册后可以使用赠送积分试用语音转文字。积分消耗根据上传音频的时长计算，并以分钟为计费单位。
如何将音频转换为文字
上传清晰的音频文件
选择一段 MP3、OGG、WAV、M4A 或 AAC 录音。文件不能超过 50MB，音频时长不能超过 30 分钟。
- •确保语音清晰、音量足够
- •让人声尽量高于背景音乐和环境噪声
- •避免明显回声、爆音和严重压缩
- •尽量减少多人同时说话
- •剪掉没有有效语音的长时间空白
- •提交前确认正确的音频已经完成上传
开始音频转录
提交上传后的录音即可开始转写。您不需要准备原始文稿，也不需要手动输入录音中说了什么。工具会自动处理语音内容并生成文字。处理时间和转写效果会受到音频时长、录音清晰度、背景噪声、口音、语速以及多人语音重叠程度等因素影响。
查看、复制并导出转写结果
转写完成后，打开结果即可结合原始音频查看文字。当时间信息可用时，播放过程中会突出显示对应文字，也可以直接跳转到录音中的指定位置。支持导出 TXT 用于笔记和文字编辑、JSON 用于保留结构化数据、SRT 用于视频剪辑软件和播放器，以及 VTT 用于网站和兼容的网页播放器。如果文字仍需校对，可以复制或导出结果，再使用常用的文字编辑器或字幕编辑器进行最终修改。
音频转文字适合哪些场景
Dia TTS 可以帮助创作者、团队、教育工作者和研究人员，将已获授权的音频录音转换为便于后续使用的文字和字幕文件。
播客与访谈
将播客节目、采访和嘉宾对话转换为文字。当转写结果包含说话人信息时，可以区分不同说话人的发言，使对话内容更容易阅读。
会议、课程与语音笔记
将已经录制好的会议、课程、演讲和语音笔记转换为便于查看和搜索的文字。当前工具处理的是上传录音，不直接加入实时会议，也不提供麦克风听写。
字幕与内容制作
将音频导出为 SRT 或 VTT，为字幕、节目说明、文章和短内容制作提供基础材料。如果原始素材是视频，需要先提取视频中的音频，因为当前页面只接受音频文件。
研究与资料整理
转写研究访谈、用户反馈、客服录音和其他已获授权的音频。可以导出纯文字用于阅读，也可以保留结构化 JSON 或带时间信息的字幕文件用于后续处理。