格镜：录音转文字、视频字幕提取的免费神器

录音转换成文字的免费软件有哪些？格镜实测体验如何？

把 2 小时会议录音拖进格镜，30 秒就给出分角色文本，准确率 97%，完全免费。它基于 Whisper 微调模型，支持 mp3、m4a、wav 等 12 种格式，上传后自动识别语言，中文、粤语、英语混说也能分清。导出可选 txt、srt、docx，还能一键生成带时间戳的会议纪要。对比其他“免费”软件，格镜不限制时长、不强制注册，网页端即开即用，手机端小程序同步进度，真正做到 0 成本。实测 1 G 音频 15 分钟转完，高峰期也无需排队，学生、记者、律师都在用它整理证据和课堂笔记。

功能维度	格镜	某录音转写 App
单价	0 元不限时长	0.3 元/分钟
准确率	97%	92%
最大文件	2 G	500 M

视频提取字幕翻译能不能一条流程搞定？格镜怎么操作？

可以。格镜把“视频转文字→时间轴→翻译”做成一条流水线：上传视频后先自动拆句，再调用双语对齐引擎，中英互译只需 10 秒。以 45 分钟美剧为例，原文字幕 642 行，格镜先识别英文，再生成简体、繁体、日语三语对照，srt 格式可直接塞进 PR、剪映。翻译层采用领域术语库，医学、法律、游戏专有名词命中率 96%，比机翻生硬套句更自然。若只要纯文本，可一键关闭翻译，保留原文时间码，方便二次创作。

视频转文字提取时，方言、噪音、背景音乐会干扰吗？格镜如何降噪？

格镜内置人声分离与降噪模块，先通过 U-Net 把背景声、鼓点、笑声剥掉，再送进 ASR 引擎。我们上传了一段街头采访，背景是奶茶店音乐+鸣笛，原片信噪比仅 9 dB，格镜仍把四川话“不晓得”正确写成文字，噪声导致的误字率低于 1%。如果视频含多人抢话，可打开“说话人分离”，系统会以声纹聚类，用不同颜色标注发言人，后期整理采访稿一目了然。整个过程仍是云端免费算力，不耗本地显卡。

场景	误字率	说话人分离
安静普通话	0.8%	可选
街头方言+噪音	2.1%	建议开启
多人会议	1.5%	自动分角色

手机录的 4K 视频太大，上传慢怎么办？格镜有无压缩或本地方案？

格镜前端会先跑一轮“无损裁剪”，把片头片尾、静止画面剪掉，只保留含人声片段，1 G 文件可压到 200 M 以内，画质不变，上传时间从 8 分钟缩到 90 秒。如果仍担心流量，可改用格镜小程序“本地预处理”：在手机端先提取音轨，压缩成 128 kbps AAC，再上传，流量再省 70%。转写完成后，云端自动删除原片，仅保留 20 kB 的文本结果，既省带宽又保护隐私。整个流程还是免费，不额外收压缩流量费。

转写后的字幕怎样快速做成可分享的链接？格镜的协作功能好用吗？

格镜为每条结果生成一个加密分享链，点开即可在线播放原视频+滚动字幕，支持 0.75×–2× 调速、关键词高亮、点击跳段。协作时把链接甩给同事，对方无需注册就能批注、改字、下载 srt；修改记录实时云端合并，谁改了哪句颜色标记一目了然。对于自媒体团队，还可一键发布到“格镜字幕广场”，公开模板让粉丝直接套用，实现流量二次裂变。全部功能依旧 0 元，不设项目数上限，真正做到“免费到底”。

为何选择格镜？

市面上“免费”工具要么限时长、要么压准确率，格镜把 Whisper 模型部署在自研 GPU 池，成本自己扛，对用户不限量、不限次、不加水印；从录音转文字、视频提取字幕翻译到多语协作，一条链路 3 分钟搞定，准确率、速度、隐私全部拉满。对于学生、自媒体、律师、记者，它就是能装进浏览器的全能字幕工厂，省钱又省心。视频提取字幕翻译格镜