音频转文字:免费,无需 限制

如需免费且不限量的音频转文字,请安装基于 Whisper 的本地软件:Buzz 或 Vibe(Windows、macOS、Linux)。Whisper 是 OpenAI 以 MIT 许可发布的语音识别模型。文件保留在您的电脑上,无需账户,也没有配额。免费在线工具都有上限:Wave 每月 30 分钟,Microsoft 365 订阅下的 Word 每月 300 分钟(2026 年 11 月 18 日官方页面)。
在线转录服务处理较短的文件很方便,但它们有配额限制,而且会接收您的录音。安装在您电脑上的软件可以转录任意时长的法语音频,且不会上传任何内容。本指南帮助您根据用途选择工具、完成第一次转录并检查结果。
#如何免费且无限制地将音频转录为文字?
真正免费且不限量的音频转文字,需要借助安装在您电脑上的软件,在本地运行语音识别模型。唯一的上限就是您机器的计算时间:不计分钟数,无需注册,也不上传文件。
自动转录(又称语音识别,英文为 speech-to-text)是指由人工智能模型将录制的语音转换为书面文本。这里介绍的免费软件均基于 Whisper(Vibe 还提供其他模型)。根据其官方代码仓库,Whisper 是一个通用的多语言语音识别模型,还能翻译成英语并识别所说的语言。OpenAI 以 MIT 许可证发布其代码和权重,允许个人和商业用途。
Whisper 的代码仓库并未注明文件的最大时长。根据其文档,转录函数会读取整个文件,并以 30 秒的滑动窗口进行处理。因此,两小时的访谈与两分钟的语音备忘录转录方式相同,只是耗时更长。
| 您的情况 | 推荐选项 | 为什么 |
|---|---|---|
| 较短且不含敏感内容的文件 | 免费在线工具 | 无需安装,但有每月配额,且文件会发送至服务方 |
| 访谈、会议、保密咨询 | 本地运行 Buzz 或 Vibe | 离线转录,无配额,无需账户 |
| 视频字幕 | Buzz(SRT、VTT)或 Vibe(SRT、VTT、DOCX…) | 直接导出为字幕格式 |
| 多人说话 | Buzz 或 Vibe(说话人识别) | 两款应用均宣称支持按说话人区分 |
| 数十小时,自动化处理 | 命令行版 Whisper 或 faster-whisper | 可脚本化,支持批量处理 |
| 麦克风实时听写 | Buzz(实时)或 Vibe(麦克风) | 无需联网即可转写麦克风音频 |
#免费在线音频转文字:有哪些限制?
借助我们的经验和引导式路径,打造你的本地助手,在日常中使用你的 AI。
- 在线空间,终身可用
- PDF + 文件
- 30 天内退款
免费在线音频转录工具几乎都会限制使用量,而且都会在其服务器上接收您的文件。它们适合临时处理简短且不涉密的录音;超出这个范围,配额或数据问题就会成为障碍。
- Wave
- 根据 2026 年 11 月 18 日查阅的 Wave 价格页面,免费套餐每月包含 30 分钟录音。不限量的 Pro 套餐在网页端的价格为每月 15 $ 或每年 80 $。
- Microsoft Word
- 根据 2026 年 11 月 18 日查阅的 Microsoft 帮助文档,Microsoft 365 订阅用户每月最多可转录 300 分钟的导入音频。同一页面的一条说明指出,该功能目前面向“Commercial Tenants”(商业租户),在 Windows 版 Word for Microsoft 365 中提供,而政府环境仅限于 Word 网页版;该页面未说明个人版或家庭版订阅的情况。录音存储在 OneDrive 上。
- Google 文档
- Google 文档的语音输入功能用于在 Chrome、Edge 或 Safari 中通过麦克风听写。Google 帮助页面说明,语音识别服务由浏览器控制;该页面描述的是听写,而不是对音频文件的import d。
- 其他免费服务
- 专业服务的免费额度经常变动,且其价格页面会阻止自动化读取:在上传文档之前,请核实单个文件的最长时长、每天可处理的文件数量以及录音的保留期限。
#应安装哪款免费的音频转文字软件?
如果不想使用命令行,Buzz 和 Vibe 是最直接的两款免费开源音频转录软件:一个窗口,拖入文件,导出文本。Whisper、whisper.cpp 和 faster-whisper 则适合熟悉终端的用户。
| 软件 | 版本与日期 | 系统 | 许可证 | 优点 |
|---|---|---|---|---|
| Buzz | 1.4.5,2026 年 8 月 23 日 | Windows、macOS(Apple Silicon 和 Intel)、Linux | MIT | 文件、YouTube 链接、实时麦克风、说话人识别、监视文件夹、导出 TXT、SRT、VTT |
| Vibe | 3.3.5,2026 年 11 月 13 日 | Windows、macOS、Linux | MIT | 批量文件、说话人区分、导出 SRT、VTT、TXT、HTML、PDF、JSON、DOCX,支持 Whisper、Nemotron 3.5 和 Parakeet TDT v3 模型 |
| Whisper(OpenAI) | PyPI 包 20250625 | Windows、macOS、Linux(Python) | MIT | 官方参考实现,支持命令行和 Python |
| whisper.cpp | 1.9.5,2026 年 10 月 6 日 | Windows、macOS、Linux | MIT | C/C++ 无依赖,可仅用处理器运行,Mac 上支持 Metal,支持 Vulkan |
| faster-whisper | PyPI 软件包 1.2.1 | Windows、macOS、Linux(Python) | MIT | 据其作者称,速度最高可达 Whisper 的 4 倍 |
根据其代码仓库的说明,Buzz 是一款桌面应用,借助 Whisper 在你的电脑上离线转录和翻译音频。截至 2026 年 11 月 18 日发布的最新版本 1.4.5 提供 Mac Apple Silicon 版和 Mac Intel 版;代码仓库提醒,这是支持 Mac Intel 的最后一个版本,此后 Buzz 将要求使用 Apple Silicon 芯片。在 Windows 上,安装程序未经签名,Windows 会显示警告;代码仓库指出应点击 More info,然后点击 Run anyway(在法语版 Windows 上为 Informations complémentaires,然后点击 Exécuter quand même)。
Vibe 是一款开源转录应用,其仓库承诺完全离线转录,任何数据都不会离开设备。Vibe 提供适用于 Apple Silicon Mac 和 Intel Mac、Windows 及 Linux 的安装包。Vibe 还支持通过二维码从手机录音,计算仍由电脑完成。
#如何使用 Buzz 或 Vibe 将音频转录为文字?
使用 Buzz 或 Vibe 将音频转写为文字分为五个步骤:从官方页面安装应用、选择模型、导入文件、指定语言,然后导出文本。准备工作需要几分钟,首次使用还需额外下载模型。
- 01安装官方应用通过 Buzz 的 GitHub 仓库中提供的 SourceForge 链接下载 Buzz(在 Linux 上也可通过 Flatpak 和 Snap 安装),或从 Vibe 的官方下载页面下载 Vibe。请避免使用项目未列出的镜像站点。
- 02选择适合本机的模型在应用设置中选择一个 Whisper 模型。small 模型适合没有显卡的笔记本电脑;turbo 或 large 需要更多内存。模型只需下载一次,之后即可离线重复使用。
- 03导入音频或视频文件将文件拖入 Buzz 或 Vibe 的窗口。两款应用都支持音频和视频;Vibe 还支持一次导入多个文件进行批量处理。
- 04指定法语请选择法语,而不是自动检测:既然语言已知,这样可以避免在录音开头有噪音或音乐时出现语言检测错误。
- 05导出并校对导出为 TXT 获取纯文本,导出为 SRT 或 VTT 获取字幕,或使用 Vibe 导出为 DOCX。请校对专有名词、数字以及多人同时说话的段落。
在 Linux 下,Buzz 的代码仓库给出了以下 Flatpak 安装命令。对于命令行版 Whisper,官方文档要求先安装 Python 包和 ffmpeg 工具,然后使用 turbo 模型运行转录。
#本地音频转录需要什么样的机器?
本地音频转录在普通电脑上即可运行,即使没有显卡也可以:whisper.cpp 宣称支持纯 CPU 推理,small 模型所需内存不到 1 GB。显卡或 Apple Silicon Mac 可显著缩短等待时间。
| 模型 | 参数 | 使用 openai/whisper 时的显存 | 使用 whisper.cpp 时的内存占用 | 官方公布的相对速度 |
|---|---|---|---|---|
| tiny | 39 M | 约 1 GB | 约 273 MB | 约为 large 的 10 倍 |
| base | 74 M | 约 1 GB | 约 388 MB | 约为 large 的 7 倍 |
| small | 244 M | 约 2 GB | 约 852 MB | 约为 large 的 4 倍 |
| medium | 769 M | 约 5 GB | 约 2.1 GB | 约为 large 的 2 倍 |
| large | 1 550 M | 约 10 GB | 约 3,9 GB | 参考 |
| turbo | 809 M | 约 6 GB | 未发布 | 约为 large 的 8 倍 |
为便于估算耗时,faster-whisper 代码仓库发布了一项基于 13 分钟音频的基准测试。在 Intel Core i7-12700K 处理器(8 线程)上使用 small 模型时,openai/whisper 耗时 6 分 58 秒,whisper.cpp 耗时 2 分 05 秒,int8 模式的 faster-whisper 耗时 1 分 42 秒。在 NVIDIA RTX 3070 Ti 8 GB 显卡上使用 large-v2 模型时,fp16 模式的 faster-whisper 耗时 1 分 03 秒。这些数据由 faster-whisper 作者发布,使用的是这些工具的旧版本(faster-whisper 1.1.0、whisper.cpp 1.7.2);实际耗时取决于您的机器和录音本身。
在 Apple Silicon Mac 上,whisper.cpp 通过 Metal 在图形芯片上计算,并可借助 Core ML 编译将部分工作交给神经网络引擎(Neural Engine)。在 PC 上,NVIDIA 显卡通过 CUDA 加速;Buzz 还宣称支持 Vulkan,适用于大多数其他显卡,包括集成显卡。不要混淆两者:CUDA 设置不适用于 Mac。
#法语音频转文字可靠吗?
Whisper 的多语言模型支持法语音频转文字,但质量取决于语言、模型和录音本身。官方代码仓库自己也说明:Whisper 的性能因语言不同而差异很大。法语在该模型的官方语言列表中。
- 模型
- 据 OpenAI 介绍,turbo 模型是 large-v3 的优化版本,速度更快,精度损失极小。它未针对翻译进行训练:如需翻译成英语,请使用 medium 或 large。
- 强制指定语言
- 官方文档以 --language Japanese 为例展示了 --language 选项;对于法语录音,请指定 French,或在 Buzz 或 Vibe 中选择法语。
- 拾音
- 麦克风靠近说话人且没有背景音乐时,模型能获得更清晰的信号。对于嘈杂的录音,Buzz 提供转录前的人声分离功能。
- 专有名词和缩写
- 人名、品牌名和缩写是常见的出错来源:请安排有针对性的校对,尤其是需要对外分发的会议纪要。
#使用本地转录软件时,还有哪些内容会联网发送?
使用本地转录软件时,音频和文本都保留在您的电脑上,但部分附加功能会连接互联网。了解这些功能,才能确保敏感文件真正以离线方式处理。
- 模型下载
- 首次启动时会下载所选模型。之后转录便不再需要网络连接。
- 视频网站链接
- Buzz 和 Vibe 可以通过链接转录 YouTube 视频:应用会先从互联网下载视频,再在本地进行转录。
- Vibe 生成的摘要
- Vibe 可通过 Claude API 生成摘要,这是一项在线服务,届时会接收转录文本。同一软件中的 Ollama 选项则在本地进行分析。
- 自动更新
- Vibe 声明支持自动更新,更新时会连接开发商的服务器。这不涉及您的文件,但完全断网隔离的电脑将无法收到这些更新。
- Word 和 OneDrive
- 相反,Word 的转录功能会将录音存储在 OneDrive 上,且 Microsoft 提示其耗时取决于您的互联网连接速度:涉及保密的访谈应避免使用。
有无需注册的免费音频转文字工具吗?+
本地音频转写真的没有限制吗?+
可以实时进行音频转文字吗?+
转写一小时音频需要多长时间?+
Whisper、Buzz 或 Vibe 可以用于商业用途吗?+
音频转文字需要显卡吗?+
#来源及 2026 年 11 月 18 日的核实
文中引用的版本、许可证、功能、内存需求和配额均于 2026 年 11 月 18 日从各项目官方仓库及开发商的帮助和价格页面获取;在线服务的配额和软件版本随时可能变化。
- 来源:Whisper 官方仓库(OpenAI)
- 来源:Buzz 官方代码仓库
- 来源:Vibe 官方仓库
- 来源:whisper.cpp 官方仓库
- 来源:faster-whisper 官方代码仓库(SYSTRAN)
- 来源:Word 中的转录功能(Microsoft 帮助)
- 来源:Google Docs 中的语音输入(Google 帮助)
- 来源:Wave 价格(开发商)
有反馈、发现了错误,或想补充说明?请告诉我们,让这份指南对每个人都更有帮助。