音频转文字：录音转写、校对与导出指南 | SubtitleBro

一场会议、一段采访或一期播客，重要信息往往留在录音里。需要整理纪要、查找某个观点，或把内容改写成文章时，反复拖动进度条既费时，也容易漏掉细节。音频转文字可以先把说话内容变成可阅读、可检索的文本，再通过校对和整理，让录音真正成为可使用的资料。

本文介绍音频转文字的基本流程，以及如何选择导出格式。以 SubtitleBro 的工作流为例，你可以从音频生成带时间戳的字幕文本，在编辑器里结合播放校对，再按用途导出文稿或字幕。

音频转文字，得到的是文稿还是字幕？

音频转文字通常指通过语音识别，将录音中的人声转换为文本。它主要识别说了什么；说话速度、背景噪声、口音、专有名词以及多人同时说话，都会影响结果。生成后的文字需要结合原始录音复核。

常见结果有两种：普通文稿适合阅读、搜索和改写；带时间戳的字幕文本除了文字，还保留每段内容在录音中的位置，方便回听和制作视频字幕。SubtitleBro 从音视频生成带时间戳的字幕，再提供文字与字幕格式导出。

会议与讨论：先形成逐段转写，再整理决定、负责人和待办事项。
采访与播客：回听关键回答，核对引用，再改写为文章或节目说明。
课程与学习：检索关键词，回到对应录音位置，补充自己的学习笔记。
视频创作：从音频生成字幕，校对后导入剪辑或发布流程。

开始前，先检查录音质量

清晰的录音能减少后续校对工作。上传之前，先试听开头、中间和结尾，确认录音完整、主要人声可辨认，且没有长时间的断音或过载失真。

尽量减少背景音乐、风声和持续的环境噪声。
让发言者靠近麦克风，保持相对稳定的音量。
多人讨论时，尽量轮流发言，减少声音重叠。
保留录音原文件，避免反复低质量压缩；大幅压缩并不一定能提升转写效率。

文件格式、单文件大小、最长时长和可用额度，以当前上传页面和套餐页面为准。如果文件过长，可以按议题或自然停顿拆分，并为每段保留清楚的名称和顺序。

使用 SubtitleBro，把音频转成文字

第一步：上传录音，选择源语言

进入SubtitleBro，登录后上传支持的音频文件。根据录音中主要使用的语言选择源语言，检查文件信息和账户剩余额度，再开始生成。采访或讨论等多人内容，可根据页面提供的选项使用说话人识别。

文件名称建议包含日期和主题，例如“产品访谈-2026-10-11-上半场”，便于后续查找。生成耗时会受录音长度、文件处理和任务排队等因素影响，不宜只按文件大小估算。

第二步：打开生成结果，先快速通读

转写完成后，打开项目，先查看文字是否覆盖主要内容。重点检查段落之间是否衔接、关键发言是否出现，以及语言选择是否符合录音。若结果明显异常，应先回听相应片段，再判断是否需要调整输入或重新处理。

时间戳有助于定位需要核对的位置。多人内容中的说话人标注也要逐段检查，尤其是声音相近、发言很短或多人同时讲话的部分。

第三步：结合播放校对文字和时间戳

按段播放录音，对照文字修正。建议优先检查人名、公司名、专业术语、数字、日期和否定词。这些内容即使只识别错一个字，也可能改变句子的意思。

例如，录音里的“预算是十五万元”若被识别成“预算是五万元”，需要回听确认后再改。不要因为上下文看起来顺畅，就直接采用未经核实的数字。对听不清的内容，可以在交付稿中注明待确认，并向发言者核实。

用于逐字引用时，应尽量保留原话的含义；用于发布文章时，可以在完成核对后另行整理口头重复、语气词和段落结构。转写与编辑是两个步骤：前者还原录音，后者让内容更适合阅读。

第四步：保存修改，按用途导出

校对完成后保存修改，再选择需要的格式。先确定文件要交给谁、用于什么场景，能避免把字幕文件当成普通文稿，或在需要同步播放时丢失时间信息。

TXT、DOCX、SRT、VTT、ASS，应该选哪个？

TXT：纯文本，不包含时间戳。适合复制、检索、整理笔记，以及在其他写作工具中继续处理。
DOCX：可在兼容 Word 的软件中阅读和编辑。SubtitleBro 的 DOCX 导出包含时间戳和已有说话人标注，适合访谈文稿与复核材料。
SRT：常见的字幕格式，包含字幕文本和时间码。适合需要 SRT 的播放器、剪辑工具或视频平台。
VTT：适合支持 WebVTT 的网页播放器及发布平台，使用前核对目标平台的格式要求。
ASS：适合支持该格式的字幕工具或播放环境；具体显示效果取决于接收软件。

如果只是把录音整理成文字，通常选择 TXT 或 DOCX；如果需要文字跟随音视频播放，则选择目标平台支持的字幕格式。字幕导出时，还可以结合用途设置单条字幕的最长时长，并检查拆分后的可读性。

需要翻译或摘要时，先校对原文

原文里的识别错误可能继续影响翻译和摘要。尤其是数字、名称和前后矛盾的句子，建议先修正并保存，再选择目标语言翻译项目字幕。需要对照检查时，可以查看原文、译文或双语内容，并导出对应版本。

如果你需要快速梳理长录音，可以基于保存的原文生成摘要和核心要点，再回到原文复核重要结论。摘要适合作为整理的辅助材料；需要引用原话、确认决策或核对责任人时，仍应查看原文和录音。

更多操作说明可查看字幕与转写常见问题，或了解字幕翻译与AI 摘要的使用场景。

交付前，检查这五件事

内容完整：重要发言有对应文字，拆分的录音顺序正确。
事实准确：人名、数字、时间、术语和引用已回听核对。
说话人清楚：多人录音中的标注经过复核，没有把不同人的意见混在一起。
格式合适：文稿交付使用 TXT 或 DOCX，字幕交付使用接收平台支持的格式。
使用范围明确：发布或分享前确认录音的使用授权，检查是否需要移除个人信息或未公开内容。

音频转文字常见问题

音频转文字后，还需要人工校对吗？

需要。录音质量、口音、背景噪声和多人同时讲话都会影响识别。用于发布、引用或正式交付的文字，应结合录音核对，尤其是名称、数字和专业术语。

会议、采访和播客录音都可以转成文字吗？

这些都是常见的转写场景。实际能否处理取决于文件格式、时长、大小、账户额度以及人声是否清晰，具体要求以当前上传页面和套餐说明为准。

多人录音可以区分说话人吗？

SubtitleBro 提供说话人识别和标注编辑。识别结果受录音条件影响，声音重叠或发言很短时可能出现误判，因此需要人工复核。

我只需要普通文字，应该导出什么格式？

选择 TXT 可得到不含时间戳的纯文本；需要带时间戳和已有说话人标注的可编辑文稿时，可选择 DOCX。制作同步字幕则选择 SRT、VTT 或 ASS。

能把转写结果翻译成其他语言吗？

可以翻译项目中已保存的字幕。建议先校对原文，再选择目标语言，并核对译文。可用语言和翻译额度以当前页面及套餐说明为准。