在本机转写会议录音，无需上传

为什么要这样做

会议录音里往往有你最不愿放到别人服务器上的内容：人名、数字、还没定下来的决定、客户的抱怨。大多数转写服务都要先上传音频，才会还给你一个字。Dzzz 的语音转文字工具把语音模型直接放在你的浏览器里运行，文件在你自己的设备上读取和处理。你会得到一份带时间轴的文字稿，可以回放、修改、导出，而音频不会去往任何地方。

代价也要坦率地说清楚：模型需要先下载一次，实际的计算由你的手机或电脑完成，所以较长的录音要花真实的时间。在现代电脑上，转写一小时的会议是可以接受的。在较旧的手机上会更慢，开始之前页面会告诉你大约要等多久。

具体怎么做

1. 添加录音。 打开语音转文字。在上传文件标签页拖入音频或视频文件，或点击选择文件。你也可以切换到录音标签页，用麦克风录音，然后点击使用这段录音。
2. 选择模型。 在模型下有三个选项：Base（均衡）、**Tiny（更快，准确度较低）**和 Small（阿拉伯语最佳）。
   • Tiny 需下载 41 MB。
   • Base 需下载 80 MB，是默认的均衡选项。
   • Small 需下载 249 MB。它处理阿拉伯语明显更好，但在手机上慢得多，因此工具建议在电脑上使用。
3. 设置语言。 在语言列表里选择录音中实际使用的语言。这一点很重要：选错语言是结果不佳最常见的原因。
4. 下载模型。 点击下载引擎，按钮上标明了你所选模型的大小。下载只需一次，模型会缓存下来，下次访问时直接进入运行按钮。
5. 开始转写。 点击开始转写，并保持标签页打开。页面会先显示处理时间的估计，随后显示已用时间。完成后会出现带时间轴的文字行。
6. 编辑并导出。 点击时间戳可播放对应的那一行，直接在原处修改文字，然后导出 TXT、SRT 或 VTT，也可以使用复制文字稿。

如果你的设备支持 WebGPU，模型会使用它；如果不支持，工具会退回到较慢的兼容引擎，并在运行时提示（“这台设备使用兼容引擎，所以更慢”）。得到的是同一类文字稿，只是来得更晚一些。

把文字稿变成摘要

会议纪要是配套的工具。它先在你的设备上运行同样的转写（使用 Base 模型，一次性下载 80 MB），然后把文字稿显示在一个可编辑的框里。请先通读，并在做任何其他操作之前删掉敏感内容。

接下来有两个选择：

• 改用本机基础摘要让一切都留在本机。它是抽取式摘要：从文字稿里挑出已有的句子，而不是另写新的句子。
• 发送以生成 AI 摘要（在提供该按钮的地方）会把转写文本发送到我们的服务器，以获得更好的摘要。这是一次单独、明确的点击，页面会清楚标注：“这一步会离开你的设备。”我们的服务器不会保存或记录该文本，但会把它转交给外部的 AI 服务商来生成摘要，而我们无法控制该服务商如何处理它，因此请视为已脱离你的掌控。不会自动发送任何内容，而转写本身绝不会离开你的设备。

需要留意的地方

阿拉伯语的准确度很大程度上取决于音频。 工具说得很直白：清晰、接近标准语的发音识别得还不错，而方言、背景噪音或电话音质的录音结果会粗糙得多。请预留校对结果的时间。Small 是处理阿拉伯语的最佳档位；如果结果以拉丁字母而不是阿拉伯字母出现，多半是音频不易听清，可以试试 Small，或检查语言设置。

会议录音往往是最难的情况。 几个人同时说话、笔记本麦克风离得很远、背景里有空调声，这些在任何语言里都会降低准确度。会议文字稿只是初稿，不是正式记录。

保持标签页打开、屏幕常亮。 所有工作都在页面内完成。在手机上，切换应用或让屏幕锁定，可能会中断较长的运行。

发送摘要是唯一会离开设备的步骤。 点击发送以生成 AI 摘要之前，请再读一遍文字稿框，删去姓名、数字或任何你不想放在服务器上的内容，即使我们的服务器不会留存它。拿不准时，就用本机基础摘要。

常见问题

我该选哪个模型？

先用 Base（80 MB），它在速度和准确度之间比较均衡。如果设备较慢或存储空间紧张，并且能接受更多错误，就选 Tiny（41 MB）。处理阿拉伯语选 Small（249 MB），最好在电脑上使用。每个模型只下载一次，并分别缓存。

音频会被上传吗？

不会，语音转文字工具不会，会议纪要的转写步骤也不会。唯一可能离开你设备的是文字稿文本，而且只有在你自己点击发送以生成 AI 摘要时才会发生。

为什么在我的手机上很慢？

一切都在你自己的硬件上运行。没有 WebGPU 时，工具会使用较慢的兼容引擎，而 Small 模型在手机上比在电脑上慢得多。更短的片段、Tiny 模型或一台笔记本电脑都会有帮助。