通义听悟
开完会录音躺在手机里，回头想找某一句话得从头听一遍；访谈录了几十条，整理成文字比采访本身还累。通义听悟是阿里云做的音视频转写工具：录音、视频、甚至播客链接传上去，几分钟后给你一份标好发言人的文字稿，还顺手把章节、重点和待办挑出来。
录音和视频怎么转成文字：区分发言人还能提炼章节
- 音视频转文字：上传本地文件就能转，官网给的说法是「1 小时音视频 5 分钟转写」
- 区分发言人：单人演讲、2 人对话、多人讨论三种模式，转写时自动标出谁在说，事后还能改发言人名字
- 实时记录：会议开着就边听边出字，不用等结束再上传
- 章节速览 + 发言总结 + 待办事项：转完自动分段提炼，纪要直接能改改就用
- 播客链接转写：贴一条 RSS 订阅链接，不用先把音频下下来
- 多语言翻译：转写结果可以直接翻成目标语言，中英混讲也吃
上传界面长这样，格式和体积限制都写在弹窗里：
会议录音转文字怎么操作：上传、选语言、导出纪要
- 打开 tingwu.aliyun.com，用阿里云账号或手机号登录，选「上传音视频」或「实时记录」
- 传文件，按现场情况选转写语言、翻译语言和发言人数量；多人会议别图省事选「单人演讲」
- 等转写完成，右侧看章节速览和待办，最后导出文字稿或字幕
通义听悟免费额度有多少：单个文件时长与次数限制
- 单个文件最长 4 小时，单次最多 50 个；视频只吃 mp4、单个最大 4G；音频 mp3/wav/m4a/wma/aac/ogg/amr/flac，单个最大 500M
- 免费时长和会员档位官网没有公开标价，登录后页面会显示剩余时长，具体以页面提示为准
- 必须登录才能用，不登录连上传入口都点不动
- 文件是传到阿里云服务器处理的，不是本地转写；涉密会议自己掂量
- 强噪音、多人抢话、方言口音重的时候识别率明显下降，事后校对跑不掉
一点声音都不想上云：本地转写用什么
- 一点声音都不想上云：站内这篇离线 OCR（https://hahahehe.cn/article/28.html）解决图片里的字，音频则要本地跑 Whisper 系列模型，得自己有显卡
- 只想把手机里几段语音变成文字：微信的「语音转文字」、系统自带听写就够
- 转写完要长期存、反复翻：站内这篇极简自托管笔记（/article/69.html）一句话一条，访谈摘录放进去够用
- 转写完要多人一起改纪要：飞书妙记、钉钉闪记这类跟着办公套件走的更顺
小提示：转写前先把「自定义专有词汇」填上，人名、产品名、行业黑话一次能加十几个，错字会少一大截；发言人数量按实际人数选，标错发言人比认错几个字更难改。
地址：https://tingwu.aliyun.com/