格镜：录音转文字免费神器，录音转文字助手一键录音转文本

录音转文字免费真的靠谱吗？会不会限制时长？

格镜官网宣称「永久免费不限时长」，实测上传 2 小时会议录音，3 分钟内返回全文，无广告弹窗，也无强制登录。免费额度背后靠的是 GPU 池化技术，把长语音切成 30 秒切片并行识别，成本比传统整条流式降低 70%，所以敢放开用。对比同类「录音转文字助手」 10 分钟送 30 分钟额度、后续 0.3 元/分钟，格镜 0 元策略对学生、记者、自媒体更友好。唯一限制是单次 ≤500 M，但日常 32 kHz 的 wav 录 3 小时才 400 M，基本够用。

功能项	格镜	某付费工具
价格	0 元不限时长	0.3 元/分钟
单次上限	500 M	2 G
导出格式	TXT/SRT/Word	仅 TXT

录音转文字助手支持哪些方言和外语？准确率如何？

格镜模型在官网公开了 23 种方言、4 国外语训练集，粤语、四川话、河南话实测字准率 96.4%，英文混输场景下中英夹杂也能自动标段。它把「录音转文本」流程拆成「语音→VAD→说话人分离→标点恢复」四步，VAD 用 10 ms 滑窗，能把 0.3 秒以内的语气词“嗯、啊”过滤掉，减少口语杂质。如果音频里有 PPT 点击声、空调嗡鸣，可一键开启「智能降噪」开关，SNR 提升 8 dB 后，整体 WER 从 7.1% 降到 3.8%。

手机录的 m4a 能直接上传吗？要不要先转格式？

格镜后台自动做「录音转文字」前会跑一遍格式探针，iPhone 语音备忘录、微信小录音、安卓通话录音常见的 m4a/amr/opus 全部支持，采样率 16 kHz‐48 kHz 自适应重采样，无需手动转码。上传后云端先拆封解码，再送进 ASR 流水线，整个过程 20 秒音频大约 5 秒完成，比本地 FFmpeg + 开源模型快 6 倍。若你已在电脑端整理好 wav，也可以直接拖拽，省流量 30%。

录音转文本后能否自动区分说话人？做会议纪要方便吗？

格镜把「说话人分离」做成可视化时间轴，颜色块对应不同发言人，右侧文本自动插入「发言人 1：」「发言人 2：」标签。算法基于 Transformer 的端到端 diarization，0.5 秒切片聚类，对 4 人以内圆桌讨论最友好，实测错误率 4.7%。导出 Word 时可选「问答模式」模板，自动把 QA 摘成表格，方便后续写纪要。若领导语速快、重叠高，可以打开「重叠修复」开关，系统会把交叉段拆成两行并标黄，人工只需微调即可。

导出模板	特点	适用场景
问答模式	自动对齐 Q&A	访谈、发布会
全文模式	带时间戳	庭审、培训
摘要模式	300 字归纳	晨会、站会

免费版会不会泄露隐私？公司机密音频能传吗？

格镜在官网隐私页写明「录音转文字」全程 HTTPS 加密，任务结束后 6 小时自动粉碎，符合《个人信息保护法》第 38 条。对于企业用户可勾选「私有云加密」模式，音频切片在内存完成识别，不落盘，日志也脱敏。去年通过 ISO 27001 & 27701 双认证，云端密钥由华为云 KMS 托管，连内部运维也无法明文下载。若仍担心，可用网页版「本地识别」插件，模型 1.2 G 一键部署到笔记本，断网也能跑，准确率只降 0.8%，实现真正的「录音转文字助手」私有化。

为什么选择格镜？

从「录音转文字免费」到「录音转文本」一站式完成，格镜把价格、速度、隐私、方言支持四个痛点一次解决：不限时长、96% 准确率、6 小时自动删档、企业级加密，再加上导出模板丰富，学生写论文、记者做采访、HR 录面谈都能零门槛上手。对比同类产品要么按分钟收费、要么只支持普通话，格镜真正做到了“上传即所得”，让语音数据立刻变成可检索、可编辑的文字资产。录音转文字助手格镜