AI 智能识别
把本地音频里的语音内容转成可复制文本，适合播客、采访和会议音频的后续整理。
音频文案提取工具
音频文案提取工具
上传本地音频文件，生成逐字稿、分段文本和可直接继续改写的文案底稿，适合播客、采访、会议和语音备忘录整理。
本地音频转写同样会消耗套餐里的转写分钟；如果当前环境还没准备好 Whisper 模型，系统会先保留原始文件供后续下载和重试。
本地运行环境状态
上传前先看当前机器是否已经准备好本地转写或 OCR 依赖，避免传完才发现 Whisper 或 OCR 还没就绪。
正在读取本地运行环境状态...
运行环境修复工具包下载
下载可直接执行的排查脚本，覆盖 `GET /api/public/runtime-health` 预检、`WHISPER_MODEL` 检查与本地 Whisper 缓存预热，专门处理 `cache-required` 与 cached snapshot folder 缺失这类本地转写问题。
创建任务后，这里会展示解析状态、逐字稿、改写结果和媒体资源。
核心功能特性
核心功能特性
这页按音频上传工具的公开结构组织内容，能力描述只基于当前可验证的处理链路。
全语种支持
只要本地 Whisper 模型可用，常见多语种音频都可以尝试转写，但质量仍取决于音源条件。
多格式支持
前端按 `audio/*` 接受上传，常见 MP3、WAV、M4A、AAC、FLAC 等格式通常更稳。
处理能力
处理能力
音频页比视频页更纯粹，不需要额外处理视频容器，所以更适合高频做会议纪要和播客留档。
快速处理
短音频通常更快完成；长音频则更依赖本地机器性能、说话人数和背景噪音复杂度。
安全私密
上传文件默认保存在 `storage/uploads`，并通过任务权限控制结果访问。
简单易用
上传后自动进入任务队列，结果页可直接复制文本、导出文件或继续改写。
核心使用场景
核心使用场景
很多内容团队的原始资料其实来自语音，而不是视频，这页就是为了这些高频场景准备的。
会议
会议纪要整理
把会议录音快速转成可搜索文本，再抽取待办项、决策点和重点结论。
播客
播客与访谈归档
把节目、访谈和调研录音转成可引用文本，方便后续写稿或分析。
分发
语音内容再发布
将播客、口播和采访录音转成摘要、图文或短视频脚本，为多渠道分发做准备。
留档
课程与语音备忘
针对课程音频、语音笔记和随手录音做统一转写，便于建立长期知识库。
免费与使用提示
免费与使用提示
这里保留公开用户最关心的使用说明，只写当前实现已经落地的上传限制、准确率预期和处理节奏。
Starter 版含免费转写分钟
免费新账号默认带月度本地转写分钟，适合先跑通基础音频文案提取流程。
按转写分钟计量
额度本地音频成功进入转写链路后，会按结果时长计入套餐分钟，而不是按上传次数简单扣减。
本地音频上传上限 100MB
限制服务端会对本地音频执行 100MB 硬限制，更长录音建议按章节拆分、压缩或整理成多个任务。
不承诺固定准确率
复核单人清晰发音通常更稳，多人重叠、远场录音和强背景音乐会显著降低结果质量。
模型未就绪时会保留原始文件
降级如果本地还没准备好 Whisper 模型，系统会先保留原始音频文件并明确提示后续重试。
长音频建议按章节拆分
建议章节化处理更方便做人工校对、摘要整理和后续知识归档。
使用步骤
三步完成音频文案提取
这页按音频上传工具的公开结构组织内容，重点是本地上传、转写和后续文本整理。
01
上传音频
点击或拖拽上传本地音频文件。适合播客、采访、语音会议、录音备忘和课程音频整理。
02
开始提取
系统会按任务方式识别音频时长并执行本地转写；若当前环境缺少 Whisper 模型，则会保留原始文件并返回明确的降级提示。
03
复制使用
完成后可以复制逐字稿、整理摘要、导出文件，或者继续进入文案改写与口播稿改写流程。
常见问题
常见问题
这里整理的是本地音频上传页最常先被问到的公开问题。
支持哪些音频格式？
前端按 `audio/*` 接受本地上传，常见的 MP3、WAV、M4A、AAC、FLAC、OGG 等格式通常更稳。最终兼容性仍会受到浏览器 MIME 识别、解码环境和文件本身完整性影响。
音频文件大小有限制吗？
当前开源实现对本地上传音频实行 100MB 硬限制。超过上限时建议先按章节拆分、压缩，或先整理成多个任务；即使没有超限，浏览器上传能力、服务器资源、任务耗时和当前环境的转写能力也仍会影响稳定性。
音频文案提取需要多长时间？
处理时长主要受音频长度、说话人数、背景噪音、本地机器性能和 Whisper 模型是否就绪影响。长音频建议按章节拆分，当前环境若缺少模型则会先退回到“保留原始文件”的安全结果。
提取的文案准确率如何？
我们不承诺固定准确率百分比。单人清晰发音、低噪音的音源通常更稳；多人重叠发言、远场录音和强背景音乐会显著降低结果质量。
支持哪些语言的音频文案提取？
只要本地 faster-whisper / Whisper 模型可用，常见多语种音频都可以尝试转写；但混合语言、专业术语和口音场景的稳定性会有所不同。
上传的音频文件安全吗？
上传文件默认保存在当前项目的 `storage/uploads`，并通过任务权限控制访问。对于自托管部署，仍建议你根据合规和清理要求进一步补充存储生命周期策略。