音频与视频转文字，无需上传。所有数据在您的浏览器本地处理，实时可见转录进度。
🔒 阅后即焚：数据从未离开这块屏幕。
技术驱动自由
浏览器内 AI 模型本地处理音频，数据物理离线运行，捍卫您的绝对隐私。
无需购买昂贵的 GPU 服务器，没有收费陷阱、订阅模式或隐藏功能。
独特的实时进度环 + 逐句字幕滚动，转录过程全程透明可见，不再等待黑盒。
支持中文、英语、日语等 99 种语言，可自动检测语种，词级时间戳精准定位。
没有服务器限制，转换时长无上限。刷新即清除，放心处理敏感会议纪要。
纯文本 + 带时间戳的 SRT 字幕文件，时间轴视图方便逐句核查和编辑。
使用方法
拖拽音视频文件，或点击录音按钮直接采集。支持所有主流格式，无大小限制。
进度环显示整体完成度，实时字幕区逐句滚动显示识别内容，全程透明可见。
结果即时呈现，可切换时间轴视图，直接编辑，一键导出 TXT 或 SRT 字幕。
隐私承诺
从架构上保证您的音频数据永不离开您的设备。
音频文件在浏览器内处理，不经过任何网络请求，断网后依然可用。
无需注册，无 Cookie 追踪，无广告分析，完全匿名使用。
首次下载后缓存本地，之后完全离线可用，断网照常工作。
我们在技术上无法访问您的音频数据 — 因为它从未经过我们。
常见问题
是的，完全免费。没有文件大小限制、次数限制或时长限制。我们不依赖云端 API，没有按使用量计费的成本，可以永久免费提供服务。
首次使用需要下载 Whisper 模型文件（77MB ~ 776MB，取决于精度选择）。下载完成后缓存到本地，后续启动几乎即时，甚至可以完全离线使用。
可以。VoiceScript 使用 Whisper 的滑动窗口机制，每处理完一个 30 秒片段就立即推送结果，实时字幕区会逐句滚动展示，进度环同步更新完成百分比。
Whisper 是目前开源语音识别中中文表现最好的模型之一。Base 模型准确率已相当高，建议使用 Small 或 Medium 模型获得最佳效果，适合会议记录、采访等场景。
SRT 是最通用的字幕格式，包含序号、时间戳（开始→结束）和文本三部分。可直接导入 Premiere、Final Cut Pro、Aegisub 等剪辑软件，也可上传到 YouTube、Bilibili 等平台。
无需注册，无需下载 App，打开网页就能用。
无需信用卡 · 无需注册 · 永久免费