实时语音转写

这个工具做什么

实时语音转写会在你说话的同时把语音变成文字。点击「开始」，对着麦克风说话，每说完一句、稍作停顿，这句话就会出现在转写结果里。它的用法类似听写或语音输入，但语音识别完全在浏览器里运行：不用注册账号，没有服务器，音频也不会离开你的电脑。

识别模型是 Moonshine，由 Useful Sensors 发布的开源语音识别模型，专为实时、在设备本地转写而设计。它处理短句很快，正适合一句一句地转写。本工具通过 Transformers.js 和 ONNX Runtime Web 运行它：浏览器支持 WebGPU 时用显卡，否则用 WebAssembly。

本工具只支持英语。

使用方法

1. 选择模型。Base 更准确；Tiny 更小，在较慢的电脑上更快。
2. 点击「下载模型并开始」。模型只下载一次（Base 约 120 MB，Tiny 约 50 MB），随后浏览器会请求麦克风权限，请选择允许。
3. 正常说话。音量条显示输入音量，检测到说话时变成绿色。你一停顿，这段话就会交给模型，文字作为新的一行出现。
4. 点击「停止」释放麦克风。再次点击「开始」可以继续，时间戳会接着之前的时间计算。
5. 用「复制」或「下载 .txt」保存转写结果，或用「清空」重新开始。把「排列顺序」设为「倒序（最新在上）」，最新一句就始终显示在最上面；复制和下载也按同样的顺序。

示例

打开时间戳时，一段简短的英语口述笔记是这样的：

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

关闭时间戳则得到纯文本行，可以直接粘贴到邮件、文档或笔记应用里。

调整语音检测

一个简单的语音活动检测器根据麦克风音量判断一句话从哪里开始、到哪里结束。它由三个设置控制：

• 语音阈值：声音要多响才算说话。如果背景噪音让音量条一直是绿色，就选更「嘈杂」的档位；如果轻声说话被漏掉，就选更灵敏的档位。
• 断句停顿：安静多久后才转写这段话。停顿越短出结果越快；越长则越能把整句话保持在一起。
• 单行最长：把很长的连续讲话切开，即使你一直不停顿，转写也会持续更新。

这些设置在下次点击「开始」时生效。模型选择和时间戳开关会保存在页面地址里，可以收藏或分享你常用的设置；转写内容本身永远不会放进链接。

模型、许可与局限

本工具使用 onnx-community/moonshine-base-ONNX 或 onnx-community/moonshine-tiny-ONNX，即英语 Moonshine 模型的 ONNX 版本，采用 MIT 许可；Transformers.js 采用 Apache-2.0 许可。离麦克风较近、单人清晰说话时效果最好；人名、生僻词和口音较重的语音可能识别错误，标点也是模型推测的。如果要转写录好的音频文件，请使用「语音转文字」工具。