Theo Lindgren·产品作者·更新于 2026-10-07·3 分钟阅读
录音怎么免费转成手写笔记?浏览器本地方案实测
开会两小时的录音、课堂上老师讲的重点、通勤路上录的灵感——想把它们变成一份能分享的手写笔记,听起来要经过"转写软件 → 复制 → 排版 → 导出"四道工序。
我们现在把它压成了一步:上传音频文件,直接得到手写排版的文稿。而且方案是免费、不上传音频的。这篇文章讲清楚原理、实测结果和局限。
先说结论:三条路线怎么选
| 路线 | 成本 | 隐私 | 适合 |
|---|---|---|---|
| 浏览器本地 Whisper(我们采用) | 0 | 音频不出设备 | 日常笔记、隐私敏感内容 |
| 云端 ASR(讯飞/豆包/Groq 等) | 按时长计费或有免费额度 | 音频需上传 | 超长音频、极速需求 |
| 手机听写后复制粘贴 | 0 | 视方案 | 一次性短内容 |
本地路线的唯一代价:首次使用要下载一次模型,转写速度取决于你的设备。
我们是怎么实现的(技术原理)
- 音频文件经浏览器
decodeAudioData解码,重采样为 16kHz 单声道; - Whisper 模型(快速档约 80MB / 高质量档约 250MB,量化为 q8)自托管在我们自己的域名下,按 30 秒窗口切分转写;
- 桌面 Chrome 检测到 WebGPU 时走 GPU 加速,否则回退 WASM(CPU);
- 转写结果直接进入编辑器,后续的字体、纸张、导出与手动输入完全一致。
选择自托管而非调用 HuggingFace CDN,是为了绕开跨域限制,也让国内用户可以正常下载模型。
实测:一段 TTS 语音的转写结果
测试环境:macOS + Chrome,无独立 GPU(WASM 路径),快速档模型。
- 输入:合成的中文语音"你好,这是一段测试语音,用来验证音频转写功能。"(约 5 秒)
- 输出:"你好,這是一段測試語音,用來驗證音頻轉寫功能。"
内容完全正确,但输出为繁体——这是 base 量级模型的已知倾向,切换「高质量」档或手动改正即可。首次加载模型耗时约 1 分钟(视网速),之后浏览器缓存,不再重复下载。
三步用法
- 在工具页点击「导入音频文件」,选择 mp3 / wav / m4a 等格式;
- 等待进度提示(首次含模型下载);
- 转写文字自动进入编辑器,改错字、选样式、导出。
局限,我们直说
- base 模型对强口音、嘈杂环境的准确率有限,重要场合请用高质量档并人工校对;
- 30 分钟以上的音频转写耗时明显,建议分段;
- Safari 对部分音频编码的解码支持不全,推荐桌面 Chrome / Edge。
实测与局限(诚实版)
本文步骤在**桌面版 Chrome(macOS,2026 年 10 月)**全部实测过,配图为真实运行截图。语音识别由浏览器厂商提供,识别质量因环境而异,重要内容请核对后使用;我们不收集任何文本与音频,详见隐私政策。技术原理参考:MDN · Web Speech API。
大家还在问
- 录音转文字免费的软件有哪些? 浏览器本地方案(本工具)完全免费且无时长额度;云端方案多有免费额度但音频需上传。
- 会议录音转文字要多久? 本地转写速度取决于设备,30 分钟录音约需数分钟,建议分段。
- 手机录音 m4a 格式支持吗? 支持;Safari 解码不全时用 Chrome / Edge 上传。