音视频批量转写字幕工具（多云识别）

音视频批量转写字幕工具（多云识别）用于把一批音频和视频里的说话内容批量识别成文字稿和字幕。使用你自己的云账号，识别量和单价由你自己的云服务决定，适合识别量较大或需要自己掌控数据链路的用户。

与字幕对齐工具的区别：已有 TXT 文案、只需配时间轴或需要本机离线识别，请看音视频转字幕与TXT对齐工具；本工具适合自备多家云账号做批量转写。

四种导出格式

• TXT（带时间轴）：每句前带时间，便于回原片定位。
• TXT（不带时间轴）：纯文字稿，直接整理改写。
• SRT：标准字幕，可直接导入剪辑软件。
• EXCEL：逐句成行，适合校对、翻译和分工。

支持范围

• 音频：MP3、WAV、M4A、FLAC、AAC
• 视频：MP4、MOV、MKV、AVI、WMV，自动取声音识别
• 云厂商：百度云、腾讯云、阿里云、豆包语音（豆包可选极速版/标准版）
• 语言：自动、中文、英文、日文、韩文、法语、德语、俄语、西语
• 可填自定义模型 ID

批量处理

• 一次添加多个文件或整个文件夹，列表可移除、可清空，避免误加浪费额度。
• 输出目录自定义，完成后一键打开。
• 处理有日志，逐文件显示进度，可随时停止。
• 密钥保存在本机，下次打开自动带出。

当前交付版说明

• 当前下载包为 V3（原厂商版） 日志默认显示版。
• 识别由云端完成，需要你自己的云服务账号，识别费用按各家云厂商计费，软件不含识别额度。安装包内不含任何密钥。
• 语音识别难免有错字和断句问题，正式发布前建议校对。

查看官网完整参数说明与常见问题

下载与授权

• 软件包：点击下载
• 授权期限和最终价格以本页选择规格后的显示为准。

常见问题