将音频文件转成文字
快速识别一段 4 分钟的对话。
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/audio-samples/conversation-4min.ogg"
],
"quality": "fast"
}语音转文字
音频转写：播客、通话和会议一键转文字，附时间码
将录音转为 90 多种语言的文本，每段都带时间码。提交任意时长的文件、播客或视频链接，并可选择添加说话人标注、字幕文件、英文翻译或可直接用于检索的分块。
★ 5.0 评分 · 2 条评价15 位用户95.5% 运行成功率（30 天）
可获取的数据
transcript | 完整转写文本 |
segments | 带开始时间和时长的段落 |
speakers | 可选：每段的说话人标注 |
language | 检测或指定的语言 |
subtitles | 可选：SRT 或 VTT 字幕文本 |
chunks | 可选：带起始时间码的 RAG 分块 |
translation | 可选：英文转写 |
duration | 录音时长 |
使用方法
- 在 Apify 上打开本爬虫并免费注册。
- 在表单中填写航线、日期和选项。
- 点击 Start，以 JSON、CSV 或 Excel 下载结果，或通过 API 调用。
价格
$2.00 每 1,000 条数据
按事件计费：按处理的文件数和转写分钟数计费；使用自己的 Groq 密钥时每分钟价格更低。视频链接解析和说话人标注为单独的附加事件。
Apify 每月赠送 5 美元免费额度，足够免费测试本爬虫。
示例任务
现成的输入参数，可复制到爬虫表单或通过 API 发送。
转写访谈并标注说话人、生成 SRT 字幕
两位说话人，英语，含字幕文件。
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/audio-samples/conversation-4min.ogg"
],
"diarize": true,
"speakerCount": 2,
"language": "en",
"subtitleFormat": "srt"
}将 YouTube 视频转写为 RAG 分块
高精度模式，输出带时间码的检索分块。
{
"urls": [
"https://www.youtube.com/watch?v=dQw4w9WgXcQ"
],
"quality": "accurate",
"chunkForRag": true,
"chunkSize": 1200,
"chunkOverlapSeconds": 5
}转写音频并翻译成英文
输出英文，并提供专有名词提示。
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/audio-samples/conversation-4min.ogg"
],
"translateToEnglish": true,
"vocabularyHint": "Apify, Lergassy, RAG"
}应用场景
- 播客与创作者： 从每期节目中获取节目笔记、金句和字幕。
- 销售与客服团队： 把通话录音变成可搜索的文本。
- 研究者与记者： 为访谈转写并标注说话人和时间码。
- AI 开发者： 将带时间码的音频分块接入 RAG 流程。
常见问题
支持哪些语言？
支持 90 多种语言，可自动检测或用两位语言代码指定；无论原语言为何，都可输出英文转写。
可以使用哪些输入？
音频或视频文件直链、上传文件，或 YouTube、TikTok、Instagram、Vimeo、SoundCloud 等平台的链接。
能区分说话人吗？
可以。开启说话人标注后每段都会标出说话人；如已知人数可直接设置。
转写录音合法吗？
请只转写您拥有或获准使用的音频，并在法律要求时取得通话参与者同意。转写中的个人信息请按隐私法规处理。
如何集成？
可使用 Apify API、Python 或 JavaScript 客户端，或连接 Make、n8n、Zapier、Google Sheets。