录音笔转文字：完全离线的转写方法

谁还在用录音笔——以及为什么这很重要

录音笔从未消失。它只是转移到了那些说话比打字更快、而且内容敏感到丢不起也漏不起的职业里。

• •律师在会议间隙口述文书、谈话记录和函件。一段口述里可能包含当事人姓名、诉讼策略和受严格保密义务约束的细节。
• •医生在每位患者就诊后口述病历和转诊单。这些录音可能包含敏感的健康信息，需要谨慎处理。
• •记者用录音笔和手机录下采访。保护信源，从不把对方的声音上传到别人的云端开始。
• •研究人员收集数小时的田野访谈和观察记录，而且往往受伦理协议约束，明确限制录音可以在哪里处理。

这四类人的瓶颈是同一个：把几个小时的录音变成文字。请打字员、外包给转写公司、或者用云端服务，都意味着在工作流里引入另一个人或另一套系统。设备端转写把处理环节留在你自己掌控的硬件上。

录音笔转文字，三步完成

1. 从录音笔导出文件

用 USB 连接录音笔（或使用配套 App），把录音拷贝到 Mac 或 iPhone 上。大多数数码录音笔——奥林巴斯、飞利浦、索尼、科大讯飞，或者手机自带的语音备忘录——都以 MP3、WAV 或 M4A 格式保存录音。这些格式都能直接使用，不需要转换。

2. 导入 Whisper Notes

在 Mac 上把文件拖进 Whisper Notes，或在 iPhone 上分享到 App。没有时长限制——两分钟的备忘和三小时的访谈都没问题。视频文件同样支持：导入 MP4 或 MOV，App 会转写其中的音轨。

3. 本地转写，随处导出

点击转写即可。中文录音选 SenseVoice——在我们的 M4 Pro 测试中，27 分钟的中文音频 13.83 秒转完；英语和欧洲语言则由 Mac 默认模型 Parakeet V3 处理，同一段 35 分钟文件用了 18 秒，而 Whisper Large V3 Turbo 需要 3 分钟。Parakeet 的 6.32% 英语词错误率来自 Open ASR Leaderboard，并不代表每一段录音笔录音都能达到；实际结果因语言、麦克风、背景噪音和专业词汇而异。无论哪种，全部计算都在设备自己的芯片上完成。

一段导入的录音，已转写并带时间戳——点击任意片段即可回听原始音频

完成后，导出 TXT 用于写文档；如果录音来自视频，可导出带时间戳的 SRT/VTT。愿意的话也可以先行内编辑——修改始终与音频保持同步。

口述录音，离线为什么胜过云端

云端转写服务通常把音频上传到服务商的基础设施，按对方的留存和数据处理政策来处理。对某些录音来说这可以接受，但当音频涉及当事人、患者、信源或研究对象的机密信息时，就意味着多了一个需要审查的数据处理方。

Whisper Notes 在初始设置时下载所选的语音模型；此后录音和转写都可以在没有网络的情况下运行，音频和转写稿不会为了转写而上传。这能减少第三方数据暴露，但仅靠本地处理并不能让法律、医疗或研究工作流自动合规——设备安全、同意流程、留存政策和职业义务依然是你的责任。

对重度口述用户来说，账也很好算。如果你每天口述一小时，按分钟计费的云端价格会迅速累积，而订阅制不管你用不用都照收钱。一次买断的价格是固定的——不管你每月转十分钟，还是每周转十小时。

如何拿到最准确的转写稿

对专业口述而言，两个设置带来的差别最大：

自定义词汇。通用语音模型可能会漏掉当事人的姓氏、药品名、法条编号和专业术语。Whisper Notes 允许你把反复出现的名字和术语加入自定义词汇表，为转写引擎提供更多上下文。在依赖转写稿之前，务必对照音频核实姓名、剂量、数字和引语。

按语言选模型。根据你的口述语言选择对应的模型：

另外，模拟录音时代的一个老习惯至今管用：录音笔离嘴近一点，语速平稳，按完整的句子口述。进去的音频干净，出来的文字就干净。

常见问题

下载 iOS 版 下载 macOS 版