语音转文字

语音转文字工具让你对着麦克风说话,把识别出的内容显示成文字,再一键复制。它并不是自己实现的识别引擎,而是调用浏览器内置的语音识别接口(SpeechRecognition),所以能不能用、识别得准不准,很大程度上取决于你用的浏览器。这一点需要先讲清楚:浏览器的语音识别通常不是纯本地处理,录下的音频会被发送到浏览器厂商的云端服务器识别后再返回文字。因此它适合随手记录想法、口述草稿,不适合念出敏感信息。它也不能上传音频文件来转写。

操作步骤

1. 用 Chrome、Edge 等基于 Chromium 内核的浏览器打开页面。如果浏览器不支持,页面只会显示一条红色提示,说明当前浏览器不支持语音识别,建议换用上述浏览器。
2. 在页面顶部选择识别语言:「中文」(对应 zh-CN)或 English(对应 en-US)。请在开始之前选好,因为语言是在点击开始的那一刻读取的。
3. 点击「开始录音识别」。首次使用时,浏览器会弹出请求麦克风权限的提示,需要点击允许。
4. 开始后按钮会变成「停止」,旁边出现闪烁的红点和「正在聆听…」。对着麦克风正常说话即可。
5. 每当浏览器判定一句话说完,对应文字就会追加到「识别结果」区域。想结束时点击「停止」。
6. 需要保存内容时点击右上角的「复制」,会显示「已复制」;「清空」会删除当前全部识别结果。

它是怎么显示结果的

从代码可以看到,这个工具只采用浏览器标记为「最终」的识别结果,没有开启临时结果显示,所以你不会看到文字一边说一边跳动修改,而是在一句话结束后一次性出现。识别采用连续模式,说完一句后无需重新点击,可以接着说。新识别出的文字是直接拼接到已有内容后面的,工具本身不会添加空格、换行或标点,标点和断句完全取决于浏览器的识别引擎。识别结果区是只读的文本显示区,不能直接在里面编辑,需要修改请复制到别处。

支持范围与已知限制

• 只提供中文(zh-CN)和英文(en-US)两种识别语言,没有粤语、日语等其他选项。
• 只支持实时麦克风输入,不支持上传音频或视频文件。
• 仅在提供 SpeechRecognition 接口的浏览器里可用,主要是 Chromium 系浏览器。是否能用、使用什么云端服务由浏览器决定,工具无法控制。
• 出错时没有错误提示。比如你拒绝了麦克风权限、网络中断或没有检测到声音,识别会直接停止,页面状态回到「开始录音识别」,但不会告诉你原因。遇到「点了没反应」的情况,请检查浏览器地址栏的麦克风权限和网络连接。
• 识别可能在你没有点击停止时自行结束(例如长时间没有说话),页面会同步回到未录音状态,需要时再点一次开始。
• 识别结果的准确度取决于口音、环境噪音、麦克风质量和浏览器引擎,工具不对准确率做保证,专有名词、人名和数字尤其容易出错,请务必人工校对。
• 复制依赖浏览器剪贴板接口,失败时同样没有提示。
• 识别结果只保存在页面里,刷新或关闭页面后就会丢失,请及时复制。

常见问题:提示浏览器不支持怎么办?

换用最新版的 Chrome 或 Edge 重新打开页面。部分浏览器没有提供语音识别接口,或者默认关闭了它。需要留意的是,即使是同一个浏览器,在某些嵌入式网页容器(例如部分应用内置浏览器)里也可能不可用。

常见问题:点击开始后没有任何文字出现?

按顺序检查:一、浏览器是否已经允许该网站使用麦克风;二、系统里选择的输入设备是否正确、音量是否足够;三、网络是否畅通,因为识别需要联网;四、所选语言是否和你说的语言一致,用中文模式说英文时结果会很差。因为页面不显示错误原因,只能靠排查。

常见问题:为什么没有标点符号?

标点由浏览器的识别引擎决定,工具不会自己插入。有的引擎会输出标点,有的不会。如果结果没有标点,建议复制到文档后手动补充。

常见问题:离线能用吗?

通常不能。工具所调用的浏览器接口在多数情况下需要把音频发送到云端识别,断网时识别会失败并静默停止。

隐私与处理方式

页面本身不会把你的语音或识别文字发送到本站服务器。但是真正做识别的是浏览器的语音接口,页面上也明确提示了:录到的音频通常会被发送到浏览器厂商的云端服务器处理,再把文字返回。该处理遵循浏览器厂商自己的隐私政策,不由本工具控制。如果你要说的是涉密、他人隐私、账号密码、医疗或财务等敏感内容,建议不要使用。离开本页面时,工具会自动停止识别以释放麦克风。