👇🏻 点击选择音视频文件，开始识别
音视频转字幕、录音转文字。免注册、免登录，视频自动抽音轨——卡音轨不卡原文件，大视频也能直接拖进来。支持 99 种语言，导出带时间戳的 SRT，按次 0.99 元。
👇🏻 点击选择音视频文件，开始识别
字幕墙是一个免注册的在线音视频转字幕工具：上传音视频或录音，自动识别成人声文字，生成带毫秒级时间戳的 SRT 字幕，可导出 SRT 与 TXT。
打开网页即可使用，不用注册、不用安装软件。支持 99 种语言，格式和大小都不用你操心：视频会自动抽出音轨、压成语音识别够用的体积再上传，卡的是音轨而不是你的原文件——一小时素材压完约 10MB，原始视频始终不离开本机。识别完成后导出带时间戳的 SRT 字幕，按次 0.99 元解锁，不订阅、不自动续费。
识别结果按句切分并带上起止时间，可以直接导出 SRT 交给剪辑软件，也能导出纯文本 TXT 做文案、笔记或会议纪要。
中文、英语、日语、韩语、西班牙语、法语、德语、俄语等 99 种语言，在开始识别前手动选择。选对语言比让模型自动猜更准。
上传前先在浏览器里抽掉画面，只把声音压成语音识别够用的规格（16kHz 单声道 Opus，常用码率 24kbps）。一小时素材压完约 10MB，两小时约 20MB，都在单次上传上限以内，所以一次就能传完，不用切段。一小时的 1080p 视频原文件常有 1GB 上下。省掉的是画面和识别用不上的声音细节，不是识别精度。原始视频不上传。
没有注册表单，不用填邮箱、不用收验证码，也没有登录跳转。识别历史跟着你这个浏览器走，下次打开还在。
用同一个浏览器再次打开，历史记录还在，可以回去找之前的转写结果并重新导出。
识别本身不收费，先看到结果再决定要不要付费。确认可用后花 0.99 元解锁复制全文与导出。没有月费、没有自动续费、不绑银行卡。
不用先转格式、不用先压文件、也不用自己切段。卡的是「抽出来的音轨」，不是你的原文件：同样是 1GB 的视频，按原始文件大小卡的工具会直接拒收，这里把画面去掉之后只剩十兆左右的声音。
| 处理阶段 | 做了什么 | 1 小时素材的体积 |
|---|---|---|
| 原始视频 | 1080p MP4，画面 + 立体声 | 1GB 上下 |
| 抽出音轨 | 在浏览器里丢掉画面，只留声音 | 约 50MB |
| 压成语音规格 | 16kHz 单声道 Opus，24kbps | 约 10MB |
为什么要压缩？因为语音识别只用到「人说话」这部分信息：采样率降到 16kHz 后，保留的最高频率是 8kHz，而人说话的关键信息基本都在这个范围以内；立体声的另一路、更高的频段、以及画面，本来就不参与识别。所以压缩砍掉的是用不上的部分，不是把声音压糊——换来的是体积降到约百分之一，上传更快，也才装得下更长的素材。
可以直接上传的格式：MP3、WAV、M4A、FLAC、OGG、OPUS、WEBM、MP4、MPEG、MPGA。
需要先在浏览器内抽出音轨再上传的格式：MOV、MKV、AVI、WMV、FLV、3GP、以及体积较大的文件。这一步在你的浏览器里完成，原始视频不会上传，只上传压缩后的音频。
| 项目 | 说明 |
|---|---|
| 文件大小 | 不用你先压：限制卡在压缩后的音轨上，不在原文件上。两小时以内的素材压完约 20MB，一次就能传完，不用你切、不用你压；更长的请先剪短 |
| 一次处理 | 一个文件，不做批量队列 |
| 处理耗时 | 取决于音频时长与网速，通常为音频长度的 1/10 到 1/3 |
| 输出格式 | SRT 字幕（带毫秒级时间戳，UTF-8 编码）、TXT 纯文本 |
| 项目 | 价格 | 说明 |
|---|---|---|
| 上传与识别 | 0 元 | 识别完成后先看到结果，不付费也能判断识别得准不准 |
| 解锁复制与导出 | 0.99 元 / 次 | 微信扫码，单次结算；付费前不能复制全文、不能导出文件 |
| 订阅费 / 自动续费 | 无 | 不绑卡、不续费、不扣月费 |
一句话概括：只想要「把视频变成一份能用的 SRT」的时候，字幕墙省掉的是安装、注册、自己压文件这三步； 如果你本来就在剪视频，用剪辑软件自带的功能更顺手；要区分开会时谁在说话，得用专门做会议记录的工具。
表格较宽，可左右滑动查看 →
| 对比项 | 字幕墙 | 剪映 | 通义听悟 | Buzz |
|---|---|---|---|---|
| 使用方式 | 网页，打开即用 | 需安装客户端 / App | 网页，需登录 | 需安装桌面端 |
| 注册登录 | 不需要 | 需要账号 | 需要阿里账号 | 不需要 |
| 大文件 / 格式 | 只传抽出的音轨，卡音轨不卡原文件 | 本地导入，无上传限制 | 受免费时长与上传限制约束 | 本地处理，但需先装好软件和模型 |
| 计费方式 | 识别免费，导出 0.99 元 / 次 | 基础功能免费 | 每日免费额度 + 付费 | 开源免费 |
| 导出 SRT | 支持 | 支持 | 支持 | 支持 |
| 区分说话人 | 不支持 | 不支持 | 支持 | 不支持 |
| 剪辑时间线联动 | 不提供 | 内置剪辑器 | 不提供 | 不提供 |
| 适合的场景 | 临时转写、拿 SRT 字幕、不想装软件 | 本来就在剪视频 | 会议、网课等长音频整理 | 涉密素材、要求完全离线 |
竞品信息按各产品公开说明整理，最后核对于 2026 年 10 月 19 日，具体以官方为准。
上传和识别不收费，识别完成后先看到结果，可以先判断准不准。付费点只有一处：复制全文和导出 TXT、SRT 需要按次付费 0.99 元，微信扫码，不订阅、不自动续费。
不需要。没有注册步骤，不用填邮箱、不用收验证码，打开网页选好文件就能直接识别。识别历史跟着当前浏览器，换个浏览器就是干净的。
MP3、WAV、M4A、FLAC、OGG、OPUS、WEBM、MP4、MPEG、MPGA 可以直接上传。MOV、MKV、AVI、WMV、FLV、3GP 等格式会先在浏览器内抽出音轨再上传，所以也能用，只是首次需要多等一会儿。
不用你自己压文件。限制卡在抽出来的音轨上，不在你的原文件上：视频会先在浏览器里去画面，把声音压成 16kHz 单声道 Opus，常用码率 24kbps——一小时约 10MB，两小时约 20MB，都在单次上传上限以内，所以一次就能传完，不用你切、不用你压。单次最长支持两小时，更长的素材请先剪短。
不影响。语音识别模型本身就是按 16kHz 单声道音频工作的：采样率降到 16kHz，保留的最高频率是 8kHz，而人说话的关键信息基本都在这个范围以内；压缩去掉的是立体声的另一路、更高的频段和画面，这些本来就不参与识别。压缩真正省的是体积——一小时素材从 1GB 上下变成约 10MB，上传更快，也才装得下更长的内容。
能。导出的就是标准 SRT：每条包含序号、起止时间码（精确到毫秒，格式如 00:01:23,456）和对应文本，UTF-8 编码，中文不会乱码。可以直接导入剪映、Premiere、Final Cut，也能被 YouTube、B 站等平台识别。另外还可以导出纯文本 TXT。
共 99 种，包括中文、英语、日语、韩语、西班牙语、法语、德语、俄语、葡萄牙语、阿拉伯语等。识别前需要手动选定语言，这是提高准确率最有效的一步。
不会。字幕墙输出的是连续的文字与时间轴，不做说话人分离（speaker diarization）。需要区分「谁在说」的会议记录场景，不适合用这个工具。
不能。字幕墙只做同语言转写：选中文就输出中文，选英语就输出英语，不提供翻译或双语字幕。
音频只在识别时上传给语音识别服务，本站服务器不留存音频文件。站内数据库只保存识别出来的文字和时间轴，用于你在历史记录里回看。体积大的文件在浏览器本地抽取压缩，原始视频始终不离开你的电脑。
可以，手机浏览器直接打开就能传文件、识别、扫码付费。不过大文件在手机上压缩会更慢、也更容易因切到后台而中断，长视频建议在电脑上处理。
底层的语音识别模型是 whisper-large-v3-turbo。普通话、英语等常见语言的清晰录音准确率较高；方言、强背景噪声、多人重叠说话、专业术语密集的内容会明显下降，这种情况下需要人工校对。
长视频会先在浏览器内抽出音轨，再压成语音够用的规格，所以两小时以内的视频也能一次传完，只是压缩和识别都更耗时。如果只是要字幕，直接上传纯音频会快很多——体积小，抽音轨这一步也省了。
本页信息最后更新于 2026 年 10 月 19 日。价格、支持的格式与限制如有变化，会同步更新在这里和 llms.txt（给大模型读的站点说明文件）。
相关说法：在线语音转字幕、视频转字幕、音视频转文字、录音转文字、MP4 转 SRT、字幕生成器、免注册转写工具。