打開上傳並選擇文件
登錄後打開「上傳本地音頻或視頻」，使用文件選擇或拖放區域，一次選擇一個音頻或視頻文件。未登錄時先登錄、返回後再選文件；登錄不會自動發送設備上的錄音。
本地音頻 · 帶時間戳文字
音頻轉文字與 SRT 字幕
把你有權處理的錄音整理成可檢索、可選句的文字。先檢查文件，覈對時長與額度，再明確確認轉寫。
從自己的音頻文件開始
Vidleaf 支持上傳 MP3、M4A、WAV、AAC、FLAC、OGG、Opus、AMR、WMA 等常見音頻，也可以直接選擇 MP4 / MOV 視頻：網頁在你的設備上拆出音軌，只上傳聲音，視頻本身不上傳。音頻文件單個最多 60 MiB；AAC 編碼的 M4A 和從視頻拆出的音軌，平均碼率不超過 320 kbps 的不受 60 MiB 限制，按素材時長上限計。免費額度、資料包 S 和單次包支持的素材時長上限爲 120 分鐘；有效資料包 L 轉寫權益可支持最多 180 分鐘，提交時還須有足夠的 L 轉寫分鐘處理整個文件。時長上限和賬號可用分鐘是兩件事：能上傳，不代表已有足額轉寫權益。
上傳需要登錄。這個入口會打開工作臺的「上傳本地音頻或視頻」；登錄後返回原入口，不會替你選擇文件、同意條款或開始轉寫。
上傳前，先檢查這四件事
- 確認你有權處理。只上傳自己錄製或已獲授權的音頻。會議、訪談涉及他人聲音和個人信息時，先處理必要的授權與告知。
- 保留一份自己的原件。本站會清理臨時音頻，不是錄音備份盤，也不提供清理後的原音回放。覈對姓名、數字和引用需要自己的原件。
- 檢查格式和內容。文件名後綴正確不等於文件有效。服務器還會檢查實際容器、音軌和時長，直接上傳帶視頻畫面的文件會被拒絕。選擇 MP4 / MOV 視頻時，網頁先在你的設備上拆出其中的 AAC 音軌，只上傳這條音軌；聲音不是 AAC 編碼的視頻拆不出來，需要先在設備上導出音頻，再選擇導出的文件。
- 檢查體積和時長。音頻文件限 60 MiB，約爲 62.9 MB，兩個單位不完全相同。AAC 編碼的 M4A 和從視頻拆出的音軌按素材時長上限計，平均碼率不能超過 320 kbps；超過 60 MiB 的 M4A 會先在你的設備上檢查編碼。未壓縮 WAV 容易先達到體積限制；可在本地導出爲 AAC 編碼的 M4A 或合適的 MP3，或按自然段落分文件，但不要直接把後綴改掉。
重新壓縮不會恢復聽不清的聲音；多人重疊講話、噪聲或遠距離收音的內容，需要回聽原錄音覈對。
實際操作：選擇、同意、覈對
閱讀音頻處理告知
首次使用或需要重新確認時，頁面會先展示音頻出境告知，列明相關處理方、數據和用途。未同意時不上傳所選音頻。取消後可以重新選擇；同意這份告知也不等於已經確認消耗轉寫額度。
覈對時長和本次用量
上傳並完成文件檢查後，頁面展示檢測到的時長、預計轉寫用量和可用額度。仔細覈對後，再點擊開始處理。需要已購權益時按確認框選擇或授權相應來源；不要把「上傳完成」理解爲「已開始識別」。
如果文件已在同一賬號下產生可用結果，重新上傳相同文件可能直接打開已有文字，不需要再次創建轉寫任務。這個複用範圍限於你的賬號；它不是把其他用戶的私人錄音結果共享給你。
界面示例：確認之前會看到什麼
下面是當前前端在隔離演示環境中的操作截圖。示例時長、額度和文件名只用於說明界面；沒有提交轉寫、調用語音服務或產生付款，不代表真實任務或賬號記錄。
真實案例：一段 4 分 23 秒朗讀錄音的轉寫與覈對
這一節不是演示環境：2026 年 9 月 25 日在 vidleaf.app 用本站運營者的賬號實際上傳、轉寫並導出。識別服務可能更新，同一文件以後的結果可能不同。
素材是 LibriVox 發佈的魯迅《一件小事》朗讀錄音，Jing Li 朗讀（Internet Archive 條目），MP3 格式，4 分 23 秒，約 4.2 MB。錄音和作品都屬於公有領域。對照用的原文取自維基文庫收錄的《吶喊》版本。
從確認到完成約 7 秒（按任務記錄的創建和完成時間），得到 26 條帶時間戳的字幕。第 1–3 條是錄音開頭的書名、篇名和 LibriVox 聲明，第 26 條是片尾的朗讀者聲明，整理正文時要刪掉。
和原文逐字對照的結果
正文（第 4–24 條）去掉標點後共 877 字，識別結果裏有 57 個字與原文不一致（替換 51、少字 2、多字 4），字錯率約 6.5%。計算前把繁體統一成簡體，並把 1919 年原文的舊寫法「罷/吧」「教/叫」「的/地」「麼/嗎」算作同一個字。錯字大多是同音或近音字；少數是漏字，例如「馬路邊上」只識別出「馬路上」，無法確定是朗讀還是識別造成的。
| 字幕 | 識別結果 | 原文 | 錯誤類型 |
|---|---|---|---|
| 第 7 條 | 路上扶城早已刮盡 | 路上浮塵早已刮淨 | 同音字 |
| 第 7 條 | 忽而車壩上帶着一個人 | 忽而車把上帶着一個人 | 同音字 |
| 第 9 條 | 否則一定要在一個大盡頭 | 否則伊定要栽一個大斤斗 | 舊用字「伊」、近音詞 |
| 第 11 條 | 便很怪她多事 | 便很怪他多事 | 「他」「她」同音，這裏指車伕 |
| 第 17 條 | 大約有些寧靜了 | 大約有些凝滯了 | 近音詞 |
| 第 19 條 | 銅元Jockey尋景說 | 銅元，交給巡警，說 | 混入英文 |
| 第 23 條 | 還是時時忌器 | 還是時時記起 | 同音詞 |
| 第 24 條 | 文質武力……紫月詩云 | 文治武力……子曰詩云 | 同音詞、文言詞 |
導出的 SRT 原樣節選（第 18–19 條，錯誤未改）：
18 00:03:11,100 --> 00:03:15,204 巡警走近我说你自己顾车吧他不能拉你了 19 00:03:16,316 --> 00:03:22,756 我没有思索地从外套袋里抓出一大把铜元Jockey寻景说请你给他
「顧車」應爲「僱車」，「Jockey尋景」應爲「交給巡警」；兩條都沒有標點。
這次暴露的問題和處理辦法
- 同音字最多。文言詞和不常用的詞（子曰詩云、文治武力、分駐所）最容易錯。拿到文字後先搜索這類詞，再按時間戳回聽原錄音。
- 聽不出寫法的字要自己判斷。原文用「伊」指那位老女人，識別成了「一」和「衣」；「他」「她」讀音相同，指車伕的「他」被寫成了「她」。
- 中文裏突然出現英文單詞，多半是識別錯誤。這次是「Jockey」。
- 繁簡混排。第 4、8、12 條輸出爲繁體。勾選閱讀頁的「以簡體顯示」後，閱讀和導出都統一爲簡體，服務器保存的原文不變。
- 斷句和標點要自己補。21 條正文字幕裏有 14 條完全沒有標點，6 條超過 15 秒，最長一條約 21 秒。用作視頻字幕前需要拆分。
- 片頭片尾也會被轉寫。整理正文前刪掉錄音自帶的聲明。
這是安靜環境裏的單人朗讀。會議、訪談等多人錄音條件更復雜，結果可能不同；發佈或引用前都應覈對原錄音。
當前限制與對應處理方式
| 項目 | 當前邊界 | 你可以怎麼做 |
|---|---|---|
| 文件類型 | MP3、M4A、WAV、AAC、FLAC、OGG、Opus、AMR、WMA 等音頻；MP4 / MOV 視頻只上傳在你設備上拆出的 AAC 音軌。 | 視頻的聲音不是 AAC 編碼時，先在設備上導出音頻；不要只修改擴展名。 |
| 單文件大小 | 音頻文件最多 60 MiB，L 包也不提高這一項。AAC 編碼的 M4A 和拆出的音軌，平均碼率不超過 320 kbps 的不受 60 MiB 限制，按素材時長上限計。 | 檢查文件屬性；WAV 可在本地轉成 AAC 編碼的 M4A，或合理分段。 |
| 普通素材時長 | 免費額度、S、單次包：單素材最多 120 分鐘。 | 同時檢查剩餘分鐘；時長上限並非贈送分鐘數。 |
| L 長音頻 | 有效 L 轉寫權益支持最多 180 分鐘；超過 120 分鐘的整項轉寫僅使用 L 對應分鐘。 | 提交時須有足額 L 權益，不能靠免費額度、S 或單次包補足長音頻任務。 |
| 人物識別 | 轉寫完成後可以使用自動人物識別；原件從上傳起最多保留約 6 小時，過期後需要重新上傳同一份文件（已轉寫過的文件不再次計費）。 | 人物識別按時長計量，是獨立於轉寫的權益；請在保留期內完成，或重傳後再識別。 |
| 原音播放 | 清理原件後不提供原音回放。 | 保留本地原錄音，按文本時間戳回聽覈對。 |
| 格式與時長檢查 | 實際音軌、容器或時長無法讀取時，文件可能被拒絕。 | 先確認文件已導出完成且能正常播放，再重新導出或重試。 |
| 識別結果 | 文字、標點和時間戳可能有誤，不保證逐字準確。 | 發佈、引用或交付前核對關鍵段落，不把自動結果當作人工校對稿。 |
額度怎麼覈對：用一個長音頻例子說明
假設錄音長 150 分鐘，文件大小也符合上傳限制：即使賬號還有免費分鐘或 S 包分鐘，也不能把這些分鐘拼進這項超過 120 分鐘的轉寫。你需要足夠處理完整 150 分鐘的 L 轉寫權益，並在提交時通過實際用量檢查。L 包的 180 分鐘是單素材時長上限，不是每次任務免費增加的額度。
對於不超過 120 分鐘的普通任務，系統通常先使用基礎額度和註冊贈額，再按有效權益規則使用已購額度。具體來源和預計用量以提交前的確認框爲準；額度可能因其他任務預留、已消耗、到期或凍結而變化。頁面顯示不可開始時，先去「我的賬號 → 額度與用量」覈對，不要連續反覆提交。
單次包按同一素材使用：首次實際使用時綁定，啓動及剩餘權益有各自期限。摘要和翻譯使用 AI 次數，人物識別是獨立權益。轉寫已經完成，並不意味着後續每一項處理都不再消耗額度。當前售賣狀態、價格和售後條件請查看套餐頁及購買確認，不以截圖裏的示例數值爲準。
生成文字後：覈對、選擇與導出
任務完成後，搜索文字裏的人名、金額、日期、專業詞和否定詞，再回聽原錄音。少了「不」或小數點位置不對，含義就可能改變。重疊講話可能被合成一個段落，不能從段落順序推斷說話人。
需要全部內容時，使用「全部 TXT / 全部 SRT」，不用逐句勾選。只保存相關幾句話時先勾選，再使用所選內容導出；檢查導出範圍，避免把沒選中的語句誤認爲丟失。TXT 便於繼續編輯；SRT 爲每條文字附帶起止時間，適合導入支持字幕的工具。後續編輯文本時也應覈對相應時間軸，尤其是合併或刪除了句子以後。
下面僅說明 SRT 的結構，不是某次真實錄音的識別結果：
1 00:00:00,000 --> 00:00:02,400 [第一段识别文字] 2 00:00:02,400 --> 00:00:05,100 [第二段识别文字]
如果繼續生成摘要或翻譯，應把它們當作整理與理解的輔助。需要引用原話時，返回轉寫文字並回聽錄音；摘要會壓縮內容，翻譯會改變表達，都不能替代對原始語句的核對。
隱私、保存與清理
本地上傳生成的字幕、譯文和摘要按賬號隔離，不進入公開視頻的跨用戶結果複用。原件暫存在服務器目錄，從上傳起最多保留約 6 小時：轉寫成功的在這段時間內留給人物識別使用，轉寫失敗或取消的當場刪除；服務故障或存儲錯誤可能使清理延遲。文字結果單獨保存，原件被清理不等於文字結果也已刪除。
在「我的任務」隱藏記錄只是隱藏曆史入口，不等於刪除保存的文字。需要刪除已處理結果時，按隱私政策的保留與刪除說明聯繫支持。發送問題反饋時先提供任務狀態、錯誤提示和發生時間；不要直接附上私人錄音、登錄憑證或不必要的個人信息。處理方及數據用途以當前音頻告知和隱私政策爲準。
常見問題
爲什麼選完文件還不能立即看到文字？
上傳結束後還須覈對時長和用量，明確點擊開始。若已提交，到「我的任務」查看排隊或處理狀態；重複選擇同一文件不會加速運行中的任務。
錄音只有十幾分鍾，爲什麼仍提示額度不足？
時長上限不等於自動擁有的轉寫分鐘。已有任務可能預留額度，權益也可能到期。先查看基礎、贈額和已購部分，再覈對確認框。
上傳到一半失敗，或者點開始後網絡斷了，要重來嗎？
先看頁面錯誤與「我的任務」狀態。上傳失敗和任務已提交後失去響應不是一回事；後一種情況下服務器可能仍在處理。不要僅憑瀏覽器斷線判斷任務沒有創建，也不要連續提交新的處理請求。確認沒有任務後，再根據錯誤提示檢查網絡或重新導出文件。
可以給錄音裏的每個人自動標名字嗎？
轉寫完成後可以使用自動人物識別：它只區分「誰在什麼時候說話」，不會根據聲音猜出真實姓名。原件從上傳起最多保留約 6 小時，過期後重新上傳同一份文件即可再識別。請自行回聽並覈實人物對應關係。
取消後是否一定不會再消耗額度？
在開始確認前取消不會新建轉寫任務。提交後的取消取決於任務所處階段：已經被服務商接收的工作可能繼續處理併產生費用。任務預留和最終用量以任務狀態與賬號用量記錄爲準，不應把關閉網頁當作取消已提交的處理。
同一個文件重新上傳，會重複識別嗎？
同賬號有可用結果時，可能直接打開已有文字。換賬號、改變文件內容或原結果不可用時，不保證複用；他人的私人結果不會向你開放。