视频音频逐字稿 — 于得泉出品

上传媒体文件

🎬

点击或拖拽文件到此处

支持 MP4 / MOV / M4A / WAV / MP3 / WEBM / OGG

中文建议选 small 模型；首次加载需下载模型（约 80-770MB）

语言

模型

中文推荐 small（准确），tiny 仅用于快速测试（中文识别较弱，可能产生重复幻觉）；medium 最准确但较慢

段落合并

正在加载 AI 引擎...

准备中...0%

1. 加载模型 2. 提取音频 3. 语音识别 4. 合并段落

项目	详情
语音引擎	Whisper AI（Transformers.js，浏览器内运行）
数据隐私	完全本地处理，文件不上传任何服务器
首次加载	需下载 AI 模型（small 约 250MB / tiny 约 80MB），后续浏览器自动缓存
模型来源	通过国内镜像 hf-mirror.com 下载，无需翻墙
浏览器要求	Chrome 90+ / Edge 90+ / Firefox 90+（需 WebAssembly 支持）
输出格式	Markdown（带时间戳）+ 纯文本
处理速度	取决于设备 CPU，通常 1 分钟音频约 30-60 秒