媒体文件与网络直链转录

将长时间的录音文件、访谈音频、会议录像及网络在线音视频转换为结构清晰、高精度的时间轴字幕。

导入模式

1. 本地媒体文件

支持单个或多个音视频文件直接拖拽导入。
格式兼容：.mp3, .wav, .m4a, .flac, .aac, .ogg, .mp4, .mov, .mkv, .webm, .avi 等。
支持批量后台多任务并发转录。

2. 网络在线链接与直链

支持主流视频分享链接，或 .mp3/.mp4 音视频网络直链。
自动流式解析与音频抽取。

进阶转录特性

词级别时间戳 (Word-level Timestamps)

输出精确到毫秒级的每个单词/每个单字起止时间戳。
完美适配卡拉OK字幕高亮、视频剪辑精确定位与词级字幕动画。

说话人分离 (Speaker Diarization)

自动聚类并划分不同发言人角色（Speaker 0、Speaker 1、Speaker 2 等）。
无监督聚类：无需预先录入任何说话人的声纹样本。
专为多角色圆桌会议、访谈节目及播客对话场景优化。

字幕导出格式

SRT (.srt)：通用标准字幕，完美兼容剪映、Premiere Pro、Final Cut Pro、DaVinci Resolve。
WebVTT (.vtt)：网页标准 HTML5 字幕格式。
纯文本 (.txt)：去除时间轴标签的排版文稿。
JSON (.json)：包含词级时间戳与说话人元数据的结构化数据。