VexaScribe 功能
VexaScribe — 99 种语言的 AI 转录。说话人识别、时间戳、AI 摘要以及内置的转录翻译（133 种语言）。上传文件或派遣会议机器人加入 Zoom、Meet 或 Teams。$2/月起。
用 80 字介绍 VexaScribe
VexaScribe 是一款网页应用，基于 OpenAI Whisper 将音频和视频转换为可搜索、带时间戳、带说话人标签的转录稿。拖入文件（最大 5 GB）、粘贴 YouTube / TikTok / Instagram / 直链，或派遣机器人加入您的 Zoom、Google Meet 或 Teams 会议。每小时音频约 5–10 分钟即可获得 99 种语言的转录稿，可选的带行动项的 AI 摘要，并可导出为 TXT、DOCX、SRT、VTT 或 JSON。30 分钟免费，之后 $2–$20/月。无需信用卡即可开始。
核心功能
支持 99 种语言
使用自动语言检测在 99 种语言中转录音频和视频。从英语到日语，从西班牙语到阿拉伯语——我们都能覆盖。
说话人识别
自动说话人识别可辨识并标注不同的声音。非常适合采访、播客和多人参与的会议。
时间戳
每份转录稿都包含精确的时间戳。点击任意时间戳可跳转到音频中的对应时刻。对于导航和视频字幕至关重要。
5 种导出格式
可导出为 TXT（纯文本）、DOCX（Word）、SRT 或 VTT（视频字幕）或 JSON（带时间戳的结构化数据）。选择适合您工作流的格式。
快速处理
AI 驱动的转录在几分钟内完成，而不是几小时。1 小时的录音通常在 5–10 分钟内处理完毕。
内置编辑器
直接在浏览器中审阅和编辑您的转录稿。修正错误、重命名说话人，并在导出前完善您的转录稿。
会议机器人
派遣 AI 机器人加入您的 Zoom、Google Meet 或 Teams 会议。它会录制、转录并生成带有行动项与决策的结构化摘要。消耗 3× 转录额度。
AI 摘要
将任意转录稿转化为结构化的要点、行动项、章节标记和决策。适用于会议、讲座、采访和播客。所有付费套餐均包含。
转录翻译
通过 Google Translate 将任意转录稿翻译成 133 种语言 — 无额外费用，无需第三方账户。所有套餐均可使用。
批量上传 — 一次 50 个文件
一次最多上传 50 个音频或视频文件。全部并行处理 — 而非逐个进行。可自由混合格式，并以 ZIP 下载所有内容。
与您的转录稿进行 AI 对话
用自然语言就您拥有的任意转录内容提问，并获得由音频中直接引文支撑的回答。“分配了哪些行动项？”、“Sarah 做了什么决定？”、“找出关于 X 的最有力引文” — 那些通常需要重新观看录音才能回答的问题，如今变成了一次简单的查询。每个回答都附带可点击的时间戳引用，可将音频播放器定位到引文被说出的确切时刻。引用会在服务器端根据实际转录稿进行验证 — AI 被限制在您的录音范围内，无法编造时间戳或引文。对话保留 90 天，支持多轮上下文和 99 种语言（可用一种语言询问另一种语言的录音）。付费套餐可用。
支持的格式
音频格式
视频格式
导出格式（5 种）
纯文本
Word 文档
字幕
网页字幕
结构化数据
由先进 AI 驱动
VexaScribe 使用在数百万小时音频上训练的最先进语音识别模型。与语音助手背后相同的技术，为准确转录而调整。
清晰音频的准确度
支持的语言
每小时的处理时间
各套餐功能可用性
所有套餐均包含免费试用。开始使用无需信用卡。
| 功能 | 免费试用 | Starter ($2/月) | Pro ($10/月) |
|---|---|---|---|
| 音频和视频转录 | ✓ | ✓ | ✓ |
| 支持 99 种语言 | ✓ | ✓ | ✓ |
| 说话人识别 | ✓ | ✓ | ✓ |
| 时间戳 | ✓ | ✓ | ✓ |
| 导出：TXT、DOCX、SRT、VTT、JSON | ✓ | ✓ | ✓ |
| 转录翻译（133 种语言） | ✓ | ✓ | ✓ |
| 内置编辑器 | ✓ | ✓ | ✓ |
| AI 摘要 | — | ✓ | ✓ |
| 会议机器人（Zoom、Meet、Teams） | — | ✓ | ✓ |
| 批量转录 | ✓ | ✓ | ✓ |
从 URL 转录 — 无需下载
粘贴链接即可获得转录稿。我们在后台处理下载。与文件上传相同的准确度、相同的输出、相同的分钟成本 — 您只需跳过“先下载视频再上传”这一步。
| 来源 | 状态 | 接受内容 |
|---|---|---|
| YouTube | ✓ 已上线 | 任意公开视频 URL。音频将被提取并使用说话人识别进行转录。若音频下载失败，将回退到字幕。 |
| TikTok | ✓ 已上线 | 任意公开的 TikTok 视频 URL — 短 Reels 风格片段与较长视频均可。 |
| ✓ 已上线 | 公开的 Reels、视频帖子和视频 Stories。图片帖子会返回明确的“无视频内容”错误。 | |
| 直链 URL | ✓ 已上线 | 任意指向音频或视频文件的 HTTPS 链接 — 播客 MP3、S3 链接、Google Drive 分享、Telegram 机器人下载、Dropbox 等。 |
| Spotify | ⏳ 即将推出 | 已识别但尚未构建。粘贴链接后会出现“投票加速”提示，我们将根据需求确定优先级。 |
费用模型： URL 上传与文件上传共用同一个每月分钟池 — 1 分钟音频 = 从您套餐扣除 1 分钟。没有单独的 URL 计费层级。
VexaScribe 不做的事
VexaScribe 确实不擅长的五件事，并附上我们在每种情况下真正会推荐的工具。如果您的使用场景在此列表中，就不必费心注册试用了。
不支持实时直播字幕
转录稿在上传后生成，而不是在您说话时即时生成。一份 1 小时的文件需要 5–10 分钟处理 — 适合事后回看的会议，不适合直播活动。
请改用： Otter Live、Google Meet 内置字幕，或用于免费浏览器实时字幕的 Web Captioner。
没有公开的 REST API
VexaScribe 是面向人类的网页应用，而不是后端服务。没有开发者 API、没有 SDK、也没有用于程序化上传的 webhook。
请改用： OpenAI Whisper API ($0.006/分钟)、Deepgram Nova-3 (~$0.0043/分钟) 或 AssemblyAI (~$0.012/分钟)。
不做视频编辑
您可以导出 SRT/VTT 字幕以放入您的编辑器，但 VexaScribe 不会剪辑片段、移除填充词或将字幕烧录到视频上。
请改用： Descript 或 Vrew 用于基于转录稿的视频编辑；Premiere/Final Cut/DaVinci 用于传统 NLE 工作流。
不支持自定义词汇调优
您不能上传品牌名称、药品名称或技术术语的词典来引导模型。Whisper 按原样使用，没有按账户的微调。
请改用： 针对专有名词密集领域，使用 AssemblyAI 的“word boost”或 Deepgram 的“keywords”参数。
不支持本地部署 / 企业自托管
音频在我们的云端处理 — 没有物理隔离或已签署 HIPAA-BAA 的部署可选。对于律师-客户、临床治疗或涉密内容——泄露会直接造成法律责任的情况——任何云工具（包括我们的）都不是正确的选择。
请改用： 在本地安装 OpenAI Whisper（免费、在您的机器上运行、音频永不离开），或者对于法律级别 100% 的准确度，请使用人工转录服务（Rev、GoTranscript），价格为 $1.25–$1.99/分钟。
诚实的准确度 — 这些数字真正意味着什么
VexaScribe 使用 OpenAI Whisper（具体为 large-v3 级别的模型）。营销页面喜欢说“99% 准确度”——那并不诚实。真实的 Whisper 准确度在很大程度上取决于音频质量、口音和说话人数量。以下是您可以预期的情况。
转录准确度（Whisper）
- 干净的录音室英语，单个说话人~92–97%
- 带口音的英语（非母语、地区口音）~85–92%
- 嘈杂环境（咖啡馆、电话、户外）~80–90%
- 干净的西班牙语、法语、德语、意大利语、葡萄牙语、荷兰语~88–94%
- 韩语、日语、印尼语、土耳其语、阿拉伯语、波兰语~85–92%
来源：Open ASR Leaderboard + Whisper 论文基准（LibriSpeech、FLEURS、Common Voice）。
说话人识别准确度
- 2 位说话人，无重叠95%+
- 3–4 位说话人，偶尔重叠~88–94%
- 5–6 位说话人，会议动态~80–90%
- 7–15 位说话人，专题小组或焦点小组~70–82%
- 最多 50 位说话人（支持上限）不定
2–6 位声音特征分明的说话人时准确度最佳。您可以在编辑器中事后重命名 说话人 1/2/3。
真正起作用的因素
三件比挑选“最好”的转录工具更重要的事：
- 一个像样的麦克风（USB 耳麦或领夹麦比笔记本内置麦克风高出 5–15 个准确度点）。
- 一次一位说话人 — 重叠会同时破坏转录和说话人识别。
- 低背景噪音。在封闭房间内录音，不要靠近风扇或通风口。
如果您需要法律级别 100% 的准确度（法庭文件、受监管的研究），请使用 Rev 或 GoTranscript 等人工转录服务，价格为 $1.25–$1.99/分钟。AI 以 1–2% 的成本让您达到 ~95% — 对大多数用例来说足够，对某些用例则不合适。
功能常见问题
VexaScribe 支持哪些语言？它们的准确度如何？
99 种语言，全部由 OpenAI Whisper 驱动。准确度取决于语言和音频质量：干净的英语音频约 92–97%（据 Open ASR Leaderboard），干净的西班牙语、法语、德语、意大利语、葡萄牙语和荷兰语约 88–94%，韩语、日语、印尼语、土耳其语、波兰语和阿拉伯语约 85–92%。浓重的口音、说话人重叠或嘈杂环境会使这些数字下降 5–10 个百分点。语言可自动检测，也可手动强制指定。
VexaScribe 有公开的 REST API 吗？
暂时没有 — VexaScribe 是一个网页应用，而不是 API 产品。如果您需要将转录集成到自己的软件中，请使用 OpenAI Whisper API ($0.006/分钟)、Deepgram（Nova-3 上约 $0.0043/分钟）或 AssemblyAI（约 $0.012/分钟）。这三家都有完善的 SDK 和文档。如果您想要一个无代码工作流，用于上传文件并下载转录稿，那么 VexaScribe 非常合适 — 只是不能通过 API 使用。
VexaScribe 可以转录哪些文件格式？
音频：MP3、WAV、M4A、FLAC、OGG、AAC、WMA、OPUS。视频：MP4、MOV、AVI、MKV、WebM、WMV、FLV。视频文件的音轨会自动提取 — 无需单独的转换步骤。导出：TXT、DOCX、SRT、VTT、JSON。
我可以上传多大的文件？
每个文件最大 5 GB，大约相当于 128 kbps 的 90 小时 MP3，或约 8 小时的 1080p 视频。这远超大多数免费转换网站 25 MB 的上限以及 Otter 免费版约 200 MB 的上限。对于大于 5 GB 的文件，请在 Audacity 或 ffmpeg 中分割文件，并分别上传各分段。
VexaScribe 会用我的音频训练 AI 模型吗？
不会。您的音频和转录稿不会被用于训练任何模型 — 无论是我们的还是 OpenAI 的（我们通过 API 使用 Whisper，该 API 不用输入训练）。您可以随时从仪表板中删除任何文件，音频和转录稿都会被移除。音频在传输中（TLS）和静止时均加密。对于律师-客户、临床或涉密内容——泄露会直接造成法律责任的情况——请改为在本地安装 OpenAI Whisper — 没有任何云工具（包括我们的）值得承担该风险。
免费试用包含哪些内容？
30 分钟的转录额度、全部 99 种语言、说话人识别、时间戳、所有导出格式（TXT/DOCX/SRT/VTT/JSON）、内置编辑器、批量上传（最多 50 个文件），以及将转录稿翻译成 133 种语言。无需信用卡。AI 摘要和会议机器人（Zoom/Meet/Teams）仅付费提供 — 从 Starter 套餐 $2/月起。