Cara Mentranskripsi MP3 kepada Teks: Perbandingan 4 Kaedah

Oleh Pasukan Editorial whispertranscribe.ai · Dikemas kini: November 2026 · 12 minit bacaan

Untuk mentranskripsi MP3 kepada teks, masukkan fail ke alat transkripsi AI, pilih bahasa yang dituturkan dan eksport hasil sebagai DOCX, TXT atau SRT. Anda juga boleh menggunakan ciri Transcribe Microsoft Word, menaip sendiri atau menjalankan model Whisper percuma OpenAI pada komputer anda. Apa pun pilihan, kualiti MP3 menentukan had hasilnya.

Berikut: keempat-empat kaedah langkah demi langkah, cara membaca kadar bit dan kadar sampel fail, senarai semak audio, petua fail panjang dan beberapa pembicara serta rutin semakan tiga pusingan.

Jawapan ringkas: cara mentranskripsi MP3 kepada teks

Bagi kebanyakan orang, alat dalam talian paling pantas: ia menerima MP3 seadanya, melabel pembicara dan memberikan fail boleh sunting. Gunakan Word jika sudah membayar Microsoft 365, taip klip pendek secara manual dan jalankan Whisper setempat apabila audio tidak boleh meninggalkan komputer.

  1. Semak fail. Mainkan 30 saat untuk memastikan suara jelas.
  2. Muat naik dan tetapkan pilihan. Pilih bahasa yang dituturkan dan hidupkan pengesanan pembicara jika lebih daripada seorang bercakap.
  3. Semak dan eksport. Betulkan nama dan angka, kemudian muat turun DOCX atau TXT untuk dokumen, SRT atau VTT untuk kapsyen.

Kaedah mana patut digunakan?

Pilih berdasarkan tiga perkara: jumlah audio, keperluan label pembicara dan ke mana audio boleh dihantar. Butiran Microsoft disemak November 2026.

Kaedah Kos Label pembicara Ke mana audio pergi Sesuai untuk
1. Alat transkripsi dalam talian Banyak alat menawarkan permulaan percuma, pelan berbayar untuk jumlah besar Ya, pada kebanyakan alat Pelayan penyedia Temu bual, podcast, kuliah, kerja tetap
2. Microsoft Word Transcribe Termasuk Microsoft 365, sehingga 300 minit muat naik sebulan Ya (Speaker 1, Speaker 2) Pelayan Microsoft, fail disimpan dalam OneDrive anda Fail sekali-sekala jika sudah menggunakan Word
3. Transkripsi manual Percuma tetapi mengambil masa berjam-jam Anda tambah sendiri Kekal pada peranti Klip pendek, petikan yang mesti tepat
4. Whisper pada komputer Percuma, sumber terbuka Tiada dalam alat rasmi Kekal pada peranti Audio peribadi, pengguna teknikal, kelompok fail

Sebelum bermula: semak MP3 dalam 60 saat

MP3 ialah format lossy. Penerangan format Library of Congress menjelaskan ia membuang bunyi yang kurang mungkin didengar manusia dan MP3 128 kbit/s kira-kira satu per sebelas saiz audio kualiti CD. Butiran hilang tidak boleh dipulihkan, jadi ketahui bahan anda.

Pada Windows, buka Properties → Details; pada Mac, Get Info. Dengan FFmpeg dipasang, arahan ini mencetak codec, kadar sampel, saluran, kadar bit dan tempoh:

ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3

Perintah ini tidak dijalankan dalam semakan ini; ia boleh memaparkan baris seperti sample_rate=44100 dan bit_rate=128000. Cara membacanya:

Nilai Apa yang diberitahu Makna untuk transkripsi
bit_rate Jumlah data setiap saat yang tinggal selepas pemampatan Kadar bit sangat rendah meninggalkan kurang butiran; tidak boleh ditambah semula
sample_rate Berapa kali sesaat bunyi diukur Google mengesyorkan 16,000 Hz atau lebih untuk pengecaman suara
channels Mono (1) atau stereo (2) Stereo boleh; Whisper mencampurkannya ke mono ketika memuatkan audio
duration Panjang rakaman Menunjukkan sama ada had panjang atau minit alat akan dicapai

Adakah kadar bit MP3 mempengaruhi ketepatan transkripsi?

Boleh. Amalan terbaik pengecaman suara Google Cloud menyatakan codec lossy termasuk MP3 boleh mengurangkan ketepatan dan bunyi serta gema lebih menjejaskan apabila codec lossy turut digunakan. Tiada ambang kadar bit diterbitkan, jadi anggap ia satu daripada beberapa faktor. Suara jelas dekat mikrofon lebih penting daripada kadar bit tinggi.

Peraturan praktikal: transkripsikan versi terbaik yang anda ada. Jika WAV atau FLAC asal masih ada, gunakannya. Mengekod semula fail 96 kbps kepada 320 kbps atau menyimpannya sebagai WAV membesarkan fail tanpa memulihkan apa-apa.

Kadar sampel apa diperlukan untuk pengecaman suara?

Untuk pengecaman suara, 16 kHz biasanya mencukupi. Kod Whisper sumber terbuka OpenAI memuat setiap fail melalui FFmpeg, menukarkannya kepada mono dan mensampel semula kepada 16,000 Hz sebelum model memprosesnya (whisper/audio.py di GitHub). Panduan Google juga menasihatkan agar tidak mensampel semula sendiri. Rakaman telefon pada 8,000 Hz patut dihantar seadanya, bukan dinaikkan sampel.

44.1 kHz atau 48 kHz dalam MP3 biasa lebih daripada cukup. Jangan tukar kadar sampel sebelum memuat naik.

Senarai semak kualiti audio

Sebelum perkara penting:

  • Dengar bahagian awal dan tengah. Adakah bahasanya betul dan semua orang boleh didengar?
  • Semak kelantangan. ffmpeg -i interview.mp3 -af volumedetect -f null - mencetak purata dan maksimum kelantangan. Maksimum hampir 0 dB boleh bermakna clipping dan puncak yang herot sukar dipulihkan.
  • Elakkan pengurangan bunyi yang berat. Panduan Google menyatakan pemprosesan pengurangan bunyi sebelum pengecaman biasanya mengurangkan ketepatan.
  • Senaraikan nama, akronim dan istilah khusus untuk semakan kemudian.
  • Simpan fail asal sehingga transkrip siap.

Kaedah 1: Muat naik MP3 ke alat transkripsi dalam talian

Alat dalam talian ialah cara terpantas menukar MP3 panjang kepada teks boleh sunting: model berjalan di pelayan penyedia dan tiada pemasangan. Langkah di bawah menggunakan whispertranscribe.ai. whispertranscribe.ai ialah alat transkripsi AI berasaskan web yang menukarkan audio dan video kepada teks dalam 130+ bahasa, dengan muat naik sehingga 5GB dan 10 jam, dikuasakan model Whisper OpenAI. Alat lain serupa dengan menu berbeza.

Langkah 1: Buka halaman transkripsi MP3 dan pilih bahasa

Pergi ke halaman transkripsi MP3 kepada teks dan di bawah Step 1, pilih bahasa yang dituturkan. Terdapat 130+ bahasa, varian serantau seperti English (India), dan pilihan Noise / Low-Quality Audio/Video untuk rakaman kurang jelas.

Langkah 2: Muat naik MP3

Di bawah Step 2, seret dan lepaskan fail atau cari fail. Fail boleh sehingga 5GB dan pelan menyokong rakaman sehingga 10 jam. WAV, M4A, FLAC, MP4 dan MOV juga boleh.

Langkah 3: Hidupkan Speaker Detection jika perlu

Untuk temu bual, mesyuarat dan podcast, hidupkan Enable Speaker Detection supaya setiap giliran dilabel.

Langkah 4: Mulakan transkripsi

Klik Transcribe MP3 to text. Ketepatan mencapai sehingga 99% pada audio jelas. Bunyi latar, loghat kuat dan orang bercakap serentak mengurangkannya, jadi rancang untuk menyemak.

Langkah 5: Eksport transkrip

Muat turun DOCX, PDF, TXT atau CSV untuk dokumen dan analisis, atau SRT dan VTT jika memerlukan kapsyen bermasa. Jika sari kata ialah matlamat awal, penukar MP3 kepada SRT terus menghasilkan fail sari kata.

Anda boleh mencuba percuma tanpa akaun sebelum memilih pelan. Pelan berbayar bermula daripada $9.99/bulan dengan bil tahunan; lihat harga. Fail video besar boleh dikecilkan dahulu dengan penukar audio dan video kepada MP3, dan MP3 dalam Google Drive atau Dropbox boleh terus masuk ke Transcribe from URL.

Perlu diketahui: alat dalam talian memuat naik audio ke pelayan penyedia. Untuk rakaman sulit, baca dasar privasi dahulu atau gunakan Kaedah 3 atau 4.

Kaedah 2: Gunakan ciri Transcribe Microsoft Word

Dengan Microsoft 365, Word boleh mentranskripsi MP3 sendiri. Menurut Microsoft Support (disemak November 2026), Transcribe menerima fail .mp3, .wav, .m4a dan .mp4 serta memisahkan pembicara.

  1. Log masuk Microsoft 365 dan buka dokumen dalam Word untuk web (Microsoft Edge baharu atau Chrome) atau Word untuk Microsoft 365 pada Windows.
  2. Pergi ke Home → Dictate (menu lungsur) → Transcribe.
  3. Dalam anak tetingkap Transcribe, pilih Upload audio dan pilih MP3 anda.
  4. Biarkan anak tetingkap terbuka semasa ia bekerja; Microsoft menyatakan ia boleh mengambil masa sehingga kira-kira sepanjang fail.
  5. Semak: main semula mana-mana bahagian sehingga 2x, sunting teks dan namakan semula “Speaker 1” di semua tempat sekali gus.
  6. Pilih Add all to document untuk memasukkan transkrip ke halaman, kemudian simpan sebagai DOCX.

Had untuk dirancang: Pengguna Microsoft 365 mendapat sehingga 300 minit audio muat naik sebulan. Setiap dokumen memegang satu transkrip dan muat naik disimpan dalam folder Transcribed Files di OneDrive. Microsoft menyatakan versi desktop Windows kini terhad kepada penyewa komersial. Halaman bantuannya tidak menyenaraikan eksport SRT atau VTT, jadi Word lebih sesuai untuk dokumen berbanding kapsyen.

Kaedah 3: Transkripsi MP3 secara manual

Menaip sendiri adalah percuma dan menyimpan audio pada peranti, tetapi lambat. Gunakannya untuk klip pendek, petikan yang mesti tepat atau bahagian yang tersilap oleh mesin.

  1. Buka MP3 dalam pemain yang boleh memperlahankan main balik dan mengundur dengan pintasan, dengan dokumen kosong di sebelahnya.
  2. Tetapkan main balik kira-kira 0.75x dan bekerja dalam bahagian pendek: mainkan frasa, jeda, taip, undur jika perlu.
  3. Tandakan pembicara pada setiap giliran, contohnya INTERVIEWER: dan MARIA:. Panduan W3C tentang transkrip menyatakan transkrip podcast boleh berupa perenggan mudah dengan pembicara dikenal pasti.
  4. Tandakan yang tidak dapat didengar dengan cap masa, seperti [inaudible 00:14:32], supaya boleh kembali kepadanya.
  5. Buat semakan akhir pada kelajuan biasa sambil membaca untuk mengesan perkataan sama bunyi yang salah.

Atau biarkan alat menulis draf dan gunakan rutin ini hanya di bahagian penting.

Kaedah 4: Jalankan Whisper pada komputer sendiri

Whisper ialah model pengecaman suara sumber terbuka OpenAI, dilatih pada 680,000 jam audio berbilang bahasa menurut kertas penyelidikan OpenAI. Menjalankannya setempat adalah percuma dan tiada apa dimuat naik. Pertukarannya ialah persediaan: anda memerlukan Python, FFmpeg dan kesabaran pada mesin lebih perlahan.

Pasang seperti dalam repositori rasmi:

pip install -U openai-whisper

FFmpeg juga mesti dipasang dan berada pada PATH. Kemudian transkripsi:

whisper interview.mp3 --model turbo --language English --output_format srt

Gunakan --output_format txt untuk teks biasa, atau buang pilihan itu untuk menulis TXT, VTT, SRT, TSV dan JSON sekali gus. Pada CPU, tambah --fp16 False untuk mengelakkan amaran. Arahan ini ialah contoh dan tidak dijalankan dalam semakan ini; tiny ialah model yang boleh dipilih.

Model Parameter Anggaran VRAM (menurut OpenAI) Kelajuan berbanding large (menurut OpenAI)
tiny 39 M kira-kira 1 GB kira-kira 10x
small 244 M kira-kira 2 GB kira-kira 4x
medium 769 M kira-kira 5 GB kira-kira 2x
turbo (lalai) 809 M kira-kira 6 GB kira-kira 8x
large 1550 M kira-kira 10 GB 1x

OpenAI menerangkan turbo sebagai large-v3 yang dioptimumkan dengan kehilangan ketepatan minimum, tetapi ia tidak dilatih untuk terjemahan.

Apa yang tiada: alat rasmi tiada pilihan label pembicara, editor atau eksport DOCX atau PDF, dan OpenAI menyatakan prestasi sangat berbeza mengikut bahasa. Projek komuniti mengisi beberapa jurang, setiap satu dengan persediaan sendiri.

Cara mengendalikan MP3 panjang, beberapa pembicara dan bahasa lain

Rakaman panjang

Semak had sebelum memuat naik. Pelan whispertranscribe.ai menyokong fail sehingga 10 jam dan 5GB; peruntukan bulanan Word ialah lima jam keseluruhan. Bagi alat dengan had lebih pendek, FFmpeg boleh memotong MP3 kepada bahagian satu jam tanpa mengekod semula:

ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3

Potongan boleh berlaku di tengah ayat, jadi semak sambungan apabila menggabungkan teks. Untuk kelas dan ceramah, lihat transkripsi kuliah.

Beberapa pembicara

Hidupkan pengesanan pembicara, kemudian namakan semula label generik sebelum berkongsi. Label paling mudah tersilap apabila orang mencelah atau suaranya serupa, jadi semak beberapa giliran bagi setiap pembicara. Untuk sesi seterusnya, berikan setiap orang mikrofon sendiri.

Bahasa dan loghat lain

Pilih bahasa dan jangan bergantung pada pengesanan automatik, terutama jika fail bermula dengan muzik. whispertranscribe.ai menawarkan Multilingual Mix untuk rakaman yang bertukar antara bahasa Inggeris, Sepanyol, Perancis, Jerman, Hindi, Rusia, Portugis, Jepun, Itali dan Belanda. Jika memerlukan teks Inggeris daripada MP3 bukan Inggeris, gunakan terjemah audio kepada bahasa Inggeris daripada mentranskripsi dan menterjemah secara berasingan.

Cara menyemak transkrip MP3: aliran 3 pusingan

Draf AI gagal di tempat yang boleh dijangka, jadi anda jarang perlu mendengar seluruh fail semula.

Pusingan 1: Cari, jangan dengar. Gunakan cari dan ganti dengan senarai nama dan istilah untuk membetulkan setiap salah ejaan sekali gus.

Pusingan 2: Dengar bahagian penting. Pergi ke tempat ini dan semak dengan audio:

Bahagian Kesilapan biasa Cara menyemak
Nombor dan tarikh “fifteen” berbanding “fifty”, perpuluhan tertinggal Main semula setiap angka yang hendak dipetik
Nama dan jenama Dieja mengikut bunyi Bandingkan dengan senarai istilah
Pertuturan bertindih Dua ayat bercampur atau satu tertinggal Dengar pada kelajuan biasa, kemudian lebih perlahan
Pertukaran pembicara Baris dikaitkan dengan orang salah Semak baris pertama selepas setiap pertukaran
Suara perlahan atau jauh Perkataan tertinggal Naikkan kelantangan bahagian itu
Minit pertama dan terakhir Perbualan ringan, muzik, tekaan bahasa salah Padam atau betulkan jika perlu

Pusingan 3: Baca sebagai dokumen. Baca sekali tanpa audio; dengar semula apa-apa yang tidak masuk akal. Tandakan yang masih tidak didengar sebagai [unclear] dan jangan meneka.

Format eksport mana diperlukan?

Pilih mengikut langkah seterusnya: dokumen memerlukan DOCX atau TXT, apa-apa yang dipaparkan di atas video memerlukan SRT atau VTT.

Format Gunakan untuk
DOCX Suntingan, laporan, artikel, nota rancangan
PDF Salinan tetap untuk dikongsi atau diarkibkan
TXT Menampal ke aplikasi lain atau ringkasan AI
CSV Hamparan dan analisis penyelidikan
SRT Sari kata untuk YouTube, editor video dan pemain
VTT Kapsyen untuk pemain video web HTML5

Untuk nota suara daripada telefon, halaman transkripsi memo suara meliputi pilihan eksport sama.

Soalan lazim

Bolehkah saya mentranskripsi MP3 kepada teks secara percuma?

Ya. Menaip sendiri sentiasa percuma, dan menjalankan Whisper sumber terbuka OpenAI pada komputer sendiri tidak memerlukan bayaran selain masa persediaan dan perkakasan. Banyak alat dalam talian juga menawarkan permulaan percuma. whispertranscribe.ai menawarkan pilihan percuma tanpa akaun untuk melihat hasil audio anda. Pilihan percuma biasanya mengehadkan panjang atau ciri, jadi untuk kerja tetap bandingkan pelan berbayar; whispertranscribe.ai bermula daripada $9.99/bulan dengan bil tahunan.

Berapa lama untuk mentranskripsi fail MP3?

Dengan alat AI, biasanya jauh lebih singkat daripada tempoh audio, walaupun bergantung pada fail dan perkhidmatan. Microsoft menyatakan Transcribe Word boleh mengambil sehingga kira-kira panjang fail. Menjalankan Whisper setempat bergantung pada perkakasan dan model; model kecil lebih cepat tetapi lebih banyak kesilapan. Menaip transkrip secara manual mengambil beberapa kali panjang audio, sebab itu kebanyakan orang hanya menaip klip pendek.

Adakah menukar MP3 kepada WAV meningkatkan ketepatan transkripsi?

Tidak. Menyimpan MP3 sebagai WAV atau mengekod semula pada kadar bit lebih tinggi membesarkan fail tetapi tidak memulihkan butiran yang dibuang semasa MP3 dibuat. MP3 ialah format lossy. Jika rakaman WAV atau FLAC asal masih ada, transkripsikannya. Jika tidak, muat naik MP3 seadanya. Enjin seperti Whisper mensampel semula audio kepada 16 kHz mono secara dalaman, jadi menukar kadar sampel sendiri tidak membantu.

Bagaimana mentranskripsi MP3 dengan beberapa pembicara?

Gunakan alat dengan pengesanan pembicara dan hidupkan sebelum bermula. Transkrip memberikan setiap giliran label bernombor seperti Speaker 1, kemudian anda menamakannya semula. Transcribe Microsoft Word dan whispertranscribe.ai melabel pembicara; alat baris arahan Whisper rasmi tidak. Semak label apabila orang mencelah kerana di situlah pembicara sering bercampur.

Bolehkah saya menukar MP3 kepada dokumen Word?

Ya. Cara terpantas ialah mentranskripsi MP3 dengan alat dalam talian dan eksport sebagai DOCX yang terus terbuka dalam Word atau Google Docs. Jika mempunyai Microsoft 365, anda juga boleh memuat naik MP3 dalam Word melalui Home, Dictate, Transcribe, Upload audio, kemudian pilih Add all to document. Langganan Microsoft 365 merangkumi sehingga 300 minit audio muat naik sebulan.

Bolehkah saya menukar MP3 kepada sari kata dan bukan transkrip?

Ya. Eksport transkrip sebagai SRT atau VTT dan bukan DOCX atau TXT. Kedua-dua format menyimpan masa setiap baris supaya pemain atau editor video memaparkan teks pada masa tepat. Dengan whispertranscribe.ai anda boleh mengeksport SRT atau VTT selepas transkripsi atau menggunakan penukar MP3 kepada SRT. Alat baris arahan Whisper juga boleh menulis fail SRT dan VTT dengan pilihan format output.


Sedia mencuba? Muat naik fail ke whispertranscribe.ai pada penukar MP3 kepada teks, atau gunakan penukar audio kepada teks percuma untuk format lain. Kedua-duanya berfungsi dalam 130+ bahasa, dengan label pembicara dan eksport DOCX, PDF, TXT, CSV, SRT dan VTT.

Rujukan

Mahu menukar rakaman kepada teks?

Transkripsikan audio dan video dengan whispertranscribe.ai.

Mulakan transkripsi ↗