在 Mac 上把录音和视频变成文字
会议录音、网课、采访和视频,转成带时间的文字,可以直接拷贝或导出。声音在本机识别,不会上传。
更新于 2026-11-05

转写一个文件
- 点菜单栏里的 Tidytalk 图标,选"转写文件或链接…",打开主窗口的"转写"页,在"文件"标签里操作。
- 把音频或视频文件拖进页面,或点一下拖放区选择文件。支持 MP3、M4A、WAV、MP4、MOV 等常见格式,最长 3 小时。
- Tidytalk 会按停顿把录音切成一句句,逐句识别,每句前面标出时间。
- 转写完的文件会留成一张卡片。点开后可以回放、修改某一句,用右上角的拷贝、导出按钮拿到全文,导出成纯文本、SRT 字幕或 Markdown。
转写视频链接
在"链接"标签里粘贴 YouTube、B 站等网站上单个视频的链接,按回车或点右边的箭头按钮。第一次转写链接时,Tidytalk 会从 yt-dlp 的官方 GitHub 下载这个开源下载工具(约 35 MB),并按发布页公布的校验值核对。之后每次只下载视频里的音频和封面图,保存在这台 Mac 上:卡片上显示封面和时长,可以回放、另存音频,也可以只删音频、保留文字。
请只转写你有权使用的内容。需要登录才能看的视频、播放列表和直播暂不支持。
选哪个识别模型
转写文件使用"设置 › 识别模型"里选的模型,所有模型都在本机运行。
| 模型 | 适合 |
|---|---|
| SenseVoice(默认) | 速度快,中文、英文、日文、韩文、粤语,中英文混说也没问题。 |
| Qwen3-ASR | 最准确、标点最好,支持 30 种语言和 22 种中文方言,还能认出词库里的人名和术语。 |
| Whisper Turbo | 小语种,支持约 99 种语言。中文请用其他模型。 |
导出格式
- 纯文本(.txt):按较长的停顿分段,适合整理笔记,或者交给 AI 总结。
- 字幕(.srt):每句一条,带开始和结束时间,可以导入剪辑软件和播放器。
- Markdown(.md):标题加上每句的时间和文字,适合放进文档和知识库。
小提示和限制
- 声音清楚、一次一个人说话时效果最好;背景音乐和多人同时说话会降低准确率。
- 不会标出是谁在说话。
- 和说话输入一样,转写结果会套用你的固定替换和中英文排版。
- 正在进行的会议,用实时字幕更合适:按 ⌃⌥C,电脑播放的声音边播边出字幕。
隐私
识别在本机完成,录音不会上传。转写结果只留在窗口里,拷贝或导出前不会保存到别处。转写链接时,联网的只有第一次下载 yt-dlp 和下载视频的音频。