Saw an interesting video from @andreijikh about South Korea’s AI bubble having popped and couldn’t quite grasp some of the context even after rewatching a few times - In comes transcribe.so with the save, giving me a full transcript and letting me ask questions 🙌🔥
职场人士学生创作者
找出谁说了什么 以及具体是在什么时候说的。
只需连接一次,然后将链接粘贴到 ChatGPT、Claude 或任意智能体中,即可获取章节、亮点、标明说话人和时间的原话,或字幕。录音后原本要花数小时的工作,几分钟即可完成。也可在网页应用中上传文件。
无需信用卡。
7 天退款保证
仅限首次扣费,且该次扣费后的转写用量低于 10 小时。
说话人标注·词级时间戳·52 种语言和方言·加密存储·API、MCP、CLI
Command Palette
Search for a command to run...
X 上的真实帖子
用户用它找出谁说了什么
Thanks @shsunmoon, I used @transcribeso twice for tricky Arabic YouTube videos, and the results were really good! It gave me full Arabic transcripts and kept them in my account for later retrieval so I could share them with ChatGPT instead of watching the full videos!
So I have been using handy and its really handy hahaha. it failed to transcribe a 10 min voice memo. That kinda sucked. I tried out transcribe.so and it did an amazing job. it can also handle hours of video&audio.
长录音的真实成本
你记得是谁说的,却怎么也找不回那一刻。
客户同意调整项目范围。教授终于讲清了那个概念。嘉宾说出了你想引用的那句话。录音明明知道是谁在何时说的,却不会直接告诉你。于是你来回拖动进度条、错过、倒回,最后只能说:“我记得大概在中间。”
每段长录音
3 小时录音,只为找回其中一个片段
+ 花 20 到 40 分钟拖动进度条,寻找是谁说的
+ 花 30 到 60 分钟以 1.5 倍速重听
+ 一份没有姓名、没有时间戳的摘要
+ ∞ 分钟回想它究竟在哪段录音里
= 一个晚上,就这样没了。
其实可以更快。
工作方式
三步把录音变成可用信息
真实转写文本的真实截图。这就是你会得到的结果。
- 1
添加任何内容
粘贴链接或上传文件。会议、课程、播客、视频和语音备忘录,处理方式都一样。
不到一分钟即可开始

- 2
获得结构化转写文本
每份转写文本都包含说话人标注、词级时间戳、摘要和章节。读起来像人工整理,而不是自动生成的大纲。
数小时音频,几分钟读完

- 3
无需信用卡。
开发者的话
你好,我是 Seunghun 👋
2023 年,我离开 Spotify,创业解决长内容中重要片段难以查找的问题。
当时 AI 还不够成熟,创业失败了。
到了 2025 年,我意识到技术终于跟上了。于是我辞掉工作,做出了 transcribe.so。
我一直喜欢听有深度的对话。但想重新找到某段内容,就得重播数小时。
所以,我必须做出一种更好的方式,找出谁在何时说了什么。
你可以让它做什么
录音后的工作,交给我们完成
像你亲手整理的章节
为我的 YouTube 简介生成章节
带时间戳的章节列表,可直接粘贴到简介或节目笔记中。无需来回拖动进度条、看完整段视频再手动整理。
亮点整理好,随时分享
找出最适合做 Reel 的精彩片段
将值得分享的时刻整理成简短大纲,或为 Shorts、Reels 和 TikTok 提供带时间戳的短视频剪辑建议。无需重看整段内容寻找这些时刻。
原话、说话人和时间,一目了然
嘉宾是怎么谈价格的?
获得说话人的准确原话和说出这句话的时刻,并附上可直接从该处播放的链接。无需再以 1.5 倍速重听。
按你的方式生成字幕
生成用于 YouTube 的 SRT 字幕
生成适用于 YouTube、Reels、TikTok、Netflix 风格、播客或广播的 SRT 或 VTT 文件。Pro 及以上套餐可在网页应用中使用翻译版和双语 SRT。无需手动为字幕卡点。
搜索与带引用的回答
向录音提问,亲自核实回答。
摘要只能告诉你录音讲了什么。提问则能告诉你谁在何时说了什么,而且每个回答都能打开对应的原始片段。
真实转写文本中的真实问题
简立峰为何认为水电工比AI爱因斯坦更难被取代?
简立峰认为水电工难以被取代,是因为这类工作依赖“眼耳鼻舌身”的综合感官体验与隐性经验,无法仅透过书本知识学习。相较于能处理语言和逻辑的AI,需要手眼协调及对物理环境敏捷反应的操作,目前仍是技术上的巨大挑战。因此,他预测短期内会出现AI爱因斯坦,但二十年内都无法出现能胜任水电工作的AI机器人。
- 回答来自录音本身,而不是通用知识
- 每个回答都会附上引用,标明是谁说的以及说话的准确时刻
- 点击引用,即可从对应的准确秒数开始播放
- 可向单个文件或整个资料库提问
质量与语言
无需花一小时修改,就能直接使用的转写文本。
只有值得信赖的转写文本才真正有用。我们的结果拿到手即可阅读、搜索和引用。
- 标点、大小写和分段清晰,不再是一大段密密麻麻的小写文字
- 多人音频支持说话人标注
- 可靠的词级时间戳,可用于字幕和剪辑
- 非英语内容同样经得起检验,按语言提供来自公开基准测试结果的错误率区间
在已发布且采用相同数据划分的对比中,Whisper large-v3 的错误数是我们的 1.5 至 2.3 倍。
已对 52 种语言和方言 进行基准测试,包括粤语、普通话、日语、韩语、阿拉伯语和印地语。
别再拖进度条,直接提问。
隐私
你的录音始终属于你。
你的音频和转写文本会在我们运营的基础设施上处理,也会由代表我们提供服务的可信第三方提供商处理。这些提供商不会使用你的文件训练 AI 模型;详情请参阅我们的隐私政策。除非你主动同意,否则我们不会使用你的内容训练 AI 模型。
- 传输和存储全程加密
- 绝不出售你的内容
- 随时删除单条录音或整个账号
- 除非你主动同意,否则我们不会使用你的内容训练 AI 模型
不只是一份转写文本,更是资料库
每段录音都会成为你的记忆。
大多数工具交付一份转写文本后就结束了。在这里,每场会议、每堂课和每个视频都会进入资料库。只要你保留它们,就能一直搜索。
搜索所有转写文本
几秒内从数小时录音中找到一句引用、一个主题,或某位说话人关于预算说过的话。
跨多段录音提问
一次提问就能综合整个资料库中的内容,并附上指向各个来源的引用。
重回原始片段
每条结果都链接到原始播放位置,让你听清当时究竟是怎么说的。
所有内容集中保存
章节、笔记和导出内容始终附在对应录音中,不会散落在不同工具里。
面向开发者
让你的产品也用上同一套听懂内容的引擎。
这个页面背后的引擎就是 API。发送媒体文件,即可获得带说话人标注和时间戳的结构化转写文本。
- 一次 HTTP 调用即可转写音频和视频
- 内置说话人识别和带时间戳的输出
- 为智能体提供 MCP 服务器,其他场景则有 OpenAPI 规范
- 只需一个 Bearer 令牌,余额和历史记录与网页应用保持同步
价格
选择满足你时长需求的套餐。
注册即获 $3 免费额度。偶尔处理文件,可选 $1/小时的按量付费;经常使用,可选 $9/月起的套餐,每月含 20 小时。所有文件均由同一个标准引擎处理,无需选择。
免费版
无需订阅
- 起始赠送 $3 免费额度,之后按 $1/音频小时从钱包扣费
- 全部 AI 功能:摘要、章节、说话人标注和搜索
- AI Q&A,每天 10 个问题(每份转写文本 3 个)
- 单个文件最长 90 分钟
- 一次处理 1 个文件
- 所有套餐均可使用 API 和 MCP
Pro
适合专业工作
- 每月 50 小时转写时长
- 单个文件最长 5 小时
- 同时处理 5 个文件,每天可向 AI 提问 200 次
Business
为团队打造
- 每月 140 小时转写时长
- 单个文件最长 10 小时
- 通过应用或 API 同时处理 15 个文件
- 每天可向 AI 提问 1,000 次
Starter 和 Enterprise 套餐请前往完整价格页面查看。所有套餐也可年付,价格更低。
用量超过 Business 套餐?可在线开通 Enterprise,或预约通话。
随时取消。付费套餐首次扣费享 7 天退款保证,每个账号和每张支付卡仅限一次,且自该次扣费起,转写用量须低于 10 小时。
常见问题
试用 transcribe.so 前,你可能想知道
NVIDIA, the NVIDIA logo, and NVIDIA Inception are trademarks and/or registered trademarks of NVIDIA Corporation in the U.S. and other countries.
