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、诉讼策略和受保密义务保护的细节，绝不能碰第三方服务器。
• •医生在每位患者就诊后口述病历和转诊单。这段音频是最原始形态的医疗数据。
• •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。过去这意味着请打字员、外包给转写公司、或者用云端服务——每一个环节都是一个能听到你全部内容的人或服务器。离线转写把这个中间环节彻底去掉了。

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——中文、日语、韩语、粤语最快的模型，速度达实时的 52 倍；英语和欧洲语言则由默认模型 Parakeet V3 处理，比 Whisper 快约 10 倍，清晰语音下词错误率仅 6.32%。无论哪种，全部计算都在设备自己的芯片上完成。转写结果按带时间戳的段落呈现：点击任意段落即可跳到录音的对应时刻，核对一句引语或一条用药医嘱只需几秒，而不是几分钟。

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

云端转写服务的工作方式是：把你的音频上传到他们的服务器，在那里处理，再按他们的留存政策存储。转写一期播客，无所谓。但如果是口述的当事人文书或病历，这就是一个你本不必承担的保密风险。

而在设备本地转写，根本没有需要防护的东西，因为什么都没有离开设备。没有上传，没有账号，没有服务器日志，也没有需要谈判的数据处理协议。隐私保护是架构层面自带的：你不会把个人数据交给任何数据处理方，因为处理方根本不存在。

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。语音模型是在通用语料上训练的，所以恰恰会在你行业里最要紧的词上出错——当事人的姓氏、药品名、法条编号、专业术语。Whisper Notes 允许你把这些词加入自定义词汇表，模型会用它们来消解模糊的语音。加上你最常口述的十个专有名词，大部分反复出现的错误就会消失。

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