9 款語音轉文字軟體推薦：逐字稿、字幕怎麼選

最後更新時間：2026-08-18，由 Dean 更新

開會、訪談、剪影片，你應該都遇過同一件事，內容用說的很快就講完，整理成文字卻要花好幾倍的時間。

市面上的工具非常多，每款的辨識準度、支援格式與免費額度都不一樣，一款一款試也很花時間。

這篇文章我實際使用了 9 款語音轉文字軟體，先講結論，整理音檔或 Podcast 選雅婷逐字稿、Good Tape，會議記錄與訪談的即時錄音選 Vocol.ai、Buzz、MacWhisper，影片上字幕選 cSubtitle、MyEdit。

內文會詳盡列出每一款的功能、費用方案，以及我實際使用後的心得。

語音轉文字是什麼？

語音轉文字是一種將口語音訊轉成書面文字的技術，又可稱為自動語音辨識 (Automatic Speech Recognition, ASR) 或是語音轉文本 (Speech to Text, STT)。

這項技術主要是能夠將錄音檔轉成文字，快速生成逐字稿，能減少人工的文件製作時間，並增加不同輸出形式 (如影片、文件、逐字稿) 的效率，目前已被應用於各領域中。

如何選擇語音轉文字軟體？

在推薦語音轉文字工具之前，我想要分享幾個在選擇上可以多去關注的部分：

• 支援的語言類別：依據自己常使用的語言來選擇軟體，大部分的軟體都至少支援 3 到 5 種語言，本文所介紹的這 9 款軟體則全部都支援中文。

• 語音辨識精準度：許多軟體使用了 Open AI 的 Whisper 模型，這個模型具有強大的演算法，因此若需要語言辨識精細度精確，建議選擇使用 Whisper 模型建構的軟體。

• 語音轉換的速度：語音轉成文字的速度會影響到文檔製作的效率，有些工具轉幾分鐘的音訊需要快一小時，有些則只需要幾秒鐘，這部份在挑選時需要特別確認。

• 上傳下載的格式：上傳的檔案通常可分為音訊檔、視訊檔這兩大類，而下載的檔案則分為含時間戳記的文字檔、不含時間戳記的文字檔兩種。

• 文字對語音區間：轉換後文字對應到語音上，區間能夠到多細？是 1 秒一單位還是 5 秒一單位？這對於有上字幕需求的人會特別需要注意。

• 安全性及隱私權：大部分的語音轉文字軟體都是線上版，就要考慮到這些檔案存取的位置，或是否會定期地做刪除保護好個資，若真的有疑慮建議選擇電腦版，將資料存取在本地資源。

• 是否有持續更新：因為語言的字詞會一直在更新，如果語言模型有持續在精進，辨識的能力就會跟著不斷進步，同時也能幫你節省不少時間。

• 費用與方案類型：通常開源的軟體都能免費使用，而付費版的軟體則會以使用的時間、使用的流量、訂閱制這三種方式來作為付費的依據。

語音轉文字軟體推薦&比較

軟體	適合情境	免費額度	輸出格式	台語	講者辨識
雅婷逐字稿	台語與台灣國語	每月 120 分鐘	word、txt、pdf、srt	✓	✓
CapCut	幫影片上字幕	字幕辨識免費	SRT、TXT（網頁版）	✓	—
Good Tape	訪談與採訪逐字稿	1 小時	txt、srt	—	✓
cSubtitle	線上轉檔免安裝	3 分鐘	TXT、DOCX、SRT、VTT	—	—
MyEdit	音訊修復加轉文字	每日 3 點	TXT、SRT	—	—
Vocol.ai	會議記錄與待辦	註冊贈 200 點	srt、txt	—	—
Gemini Notebook	整理重點與提問	免費可用	複製文字，無字幕檔	—	—
MacWhisper	本機運算不上雲	免費版可用	srt、vtt、docx、pdf	—	✓ Pro
Buzz	免費跨平台本機	完全免費	txt、srt、vtt	—	—

表格裡的「✓」代表官方頁面或本文查證時確認具備，「—」代表官方沒有標示或不支援，免費額度與價格皆為 2026 年 8 月查核，各家調整頻繁，下單前請以官網為準。

雅婷逐字稿

雅婷逐字稿是專為台灣口音開發的 AI 語音轉文字服務，幕後推手正是 PPT 的創辦人杜奕瑾成立的台灣人工智慧實驗室 (Taiwan AI Lab, AILabs) 所打造，從資料、蒐集、開發都是由台灣一手設計、開發。

主要特色是由台灣本土團隊開發，因此針對台灣口音、台灣國語、台語和中英夾雜的晶晶體都能辨識。

它支援 Android、iOS、網頁版與 Chrome 擴充功能使用，除了語音轉文字的功能外，還提供了雅提文字轉語音功能，輸出市面上最熟悉的台灣口音。

雅婷逐字稿的特色功能

• 即時錄音功能：提供國語、英語、日語、粵語、國語即時錄音轉文字的功能，而且是免費無限次數使用。
• 上傳影音檔：上傳影音檔能獲得逐字稿，免費方案每月提供 120 分鐘的轉檔額度。
• Youtube 影片字幕：輸入 YouTube 連結能直接將影片裡的聲音轉成對應字幕。
• 直播上字幕：提供 YouTube 影音串流金鑰與字幕上傳網址，就能在直播進行的同時即時輸出字幕，這項功能目前仍然掛著 Beta 測試版。
• 共用逐字稿：能將逐字稿產生共用連結，分享給共同參加會議的同事、客戶。
• AI 重點摘要：訂閱付費方案後，能一鍵產出逐字稿與重點結論，支援中、英、台語。

上傳格式	MP3、AAC、WAV、FLAC、YouTube
下載格式	word、text、pdf、odt、srt
支援語言	台灣口音國語、台語、英語、日語

雅婷逐字稿的費用方案

	方案內容	方案費用（NTD）
基本 Basic+	每月 120 分鐘，支援中、英、台混和辨識	免費
標準精省+	每月 420 分鐘（免費 120 分鐘加訂閱 300 分鐘），含 AI 重點摘要。當月未用完的時數不累計	199/月
輕量使用	1 小時音檔轉檔，自購買日起 3 年內使用	160/1hr
省 24 元	3 小時音檔轉檔，3 年內使用	456/3hr
省 160 元	10 小時音檔轉檔，3 年內使用	1,440/10hr
商業合作+	企業客製化時數規劃與語音訓練	聯絡專人

使用雅婷逐字稿的心得

除了即時錄音、上傳影音檔、YouTube 轉字幕之外，「直播即時字幕」是雅婷逐字稿特有的功能。

這對於常看即時直播的人很適用，畢竟直播的聲音不見得每次都清晰，透過直播上字幕的功能，可以強化對影片內容的印象，也比較不容易漏聽重點。

另外，它在使用「即時錄音轉文字」時，轉換速度非常的快，很適合在需要即時採訪或收聽演講的時候使用，可以一邊聽一邊把逐字稿生出來，回去不用重聽。

不過在上傳「語音檔轉換成文字」的部分，通常需要非常久的時間，我上傳 30 秒的語音檔，大概會需要 30 分鐘的時間做轉換，這對需要大量語音轉文字需求的人會有點困擾。

不過在逐字稿裡能夠設定參與者是誰，就會很清楚在幾分幾秒時，誰說了哪句話。

我很推薦使用雅婷逐字稿的台語轉文字功能，這是幾乎所有語音轉文字軟體中，可以分辨台語語音的軟體，尤其在台灣很常會使用台語，就能夠過這個功能輕鬆地轉換成文字使用。

CapCut（剪映國際版）

CapCut 是字節跳動推出的影音剪輯工具，也就是剪映的國際版，語音轉文字在它裡面屬於剪輯流程的一環，把影片或音檔丟進時間軸就會自動生成字幕並直接排上去。

中國版的剪映已經把自動識別字幕改成付費功能，國際版 CapCut 目前仍然可以免費使用，兩者介面相近但帳號與付費機制不同，下載前要先確認裝的是哪一個。

CapCut 的特色功能

• 智能字幕：把影片或音檔拖進時間軸，點「文本」再選「智能字幕」開始識別即可。
• 字幕直接上片：辨識完的字幕會自動排進剪輯時間軸，不用再匯進其他軟體對時間。
• 匯出字幕檔：網頁版可以把字幕另存成 SRT 或 TXT，拿去當 YouTube 的 CC 字幕。
• 簡繁轉換：可在字幕設定把識別語言改成繁體中文，已生成的字幕也能一鍵簡轉繁。
• 台語辨識：發音清楚的台語也能辨識，準確度會受口音與語速影響。

上傳格式	影片與音訊檔皆可，網頁版需先完成上傳才會開始辨識
下載格式	SRT、TXT（網頁版）
支援語言	繁體中文、簡體中文、英文等多國語言，另可辨識台語

CapCut 的費用方案

	方案內容	方案費用
CapCut 免費版	自動字幕辨識可使用，網頁版可匯出 SRT、TXT	免費
CapCut Pro	進階剪輯功能與雲端空間，部分匯出選項需付費帳號，提供 7 天免費試用	月繳 US$9.99 年繳 US$89.99
中國版剪映	自動識別字幕已改為付費功能	需開通會員

CapCut 的實際表現

CapCut 的字幕辨識支援繁體中文，也認得台語，不過台語的表現會隨口音與語速變化，講得快或含糊時掉字會變明顯，字幕生成後仍要逐句校對。

兩個版本的差別在匯出字幕時最明顯，網頁版辨識完可以把字幕另存成 SRT 或 TXT，缺點是要等影片整個上傳完才開始辨識，長片就得等上好一陣子。

電腦版不用等上傳，但有使用者回報更新後找不到匯出字幕的選項，也有人遇到匯出時被要求付費帳號。

AI 字幕的預設辨識語言常常是簡體中文，生成出來就會是簡體字，可以先在字幕設定把識別語言改成繁體中文，或是對已經生成的字幕用簡轉繁一鍵轉換。

隱私上要留意，CapCut 的字幕辨識是把檔案上傳到雲端處理，跟 MacWhisper、Buzz 那種完全在自己電腦上運算的做法不同，錄到敏感內容的話要斟酌。

Good Tape

Good Tape 是丹麥的新聞機構 Zetland 推出的語音轉文字軟體，起初是為記者打造，能夠幫助記者將採訪的錄音檔，快速轉換成文字，官方客戶也包含 BBC。

它運用 API 串接全 Open AI 旗下 Whisper 的技術，希望能打造一個多語言的語音轉文字服務，改變以往的軟體只有在英文上表現比較好的缺失，也提供一個較便宜的語音轉文字服務。

而 Good Tape 的語音轉文字功能，也在台灣媒體界掀起一股熱潮，因為它的準確率高又方便使用，也成為記者和 Podcaster 愛用的工具之一。

Good Tape 的特色功能

• 語音檔轉換文字：上傳語音檔案後，會產生含有時間戳記的文字檔。
• 自定文字分段頻率：預設時間戳記是以 15 秒為一個單位，區間最短為 0 秒，最長是 20 秒。

上傳格式	大部分的音訊與影片檔案，mp3 最合適
下載格式	txt、srt
支援語言	支援中文、英文、日文、法文等 100 多種

Good Tape 的費用方案

	方案內容	方案費用
Free	1. 1 小時轉錄額度 2. 可使用 Pro 版功能 3. 免綁信用卡	免費
Pro	包含 Free 版本及： 1. 每月 20 小時轉錄 2. 支援 100 多種語言 3. 自動標記講者 4. AI 摘要 5. 單檔長度不限	€16/月
Business	包含 Pro 版本及： 1. 團隊集中帳務 2. 專屬導入協助	聯絡官方

使用 Good Tape 的心得

Good Tape 的操作很單純，在畫面中間的「Upload audio file」上傳檔案就能開始，過程中會詢問你要讓它自動偵測語言，或是自行選擇對應的語言。

免費版不用綁信用卡就能使用，官方標示免費方案含 1 小時的轉錄額度，而且可以用到 Pro 版的功能，升級成 Pro 之後單檔長度就不再受到限制。

轉換的結果算蠻準確的，逐字稿上會有對應時間，只要滑動介面上的調整鍵，就能選擇適合的時間精細度，像是以 4 秒一個單位或是 10 秒一個單位。透過這些時間戳記，能很清楚知道字幕對應的時間，也能經由縮小時間區間來做細微字幕的調整，對於想要在影片上字幕的人來說非常方便。

Good Tape 的介面走極簡路線，功能集中在轉錄本身，現在除了音訊檔之外也支援影片檔，官方還提供批次上傳，可以一次把好幾個檔案丟進去處理。

cSubtitle

cSubtitle 是一個使用最新自然語言處理 NLP 及 AI 技術的語音轉文字軟體，採用線上直接轉換的模式，不需要下載軟體、也不用登入帳號就能立即使用。

它專門為中港臺地區的語言做設計，因此在中文化這方面有進行優化的訓練模型。

除了生成既有的文字檔或 Word 檔逐字稿外，cSubtitle 透過內建的 AI 系統會自動幫檔案加上標點符號、分段，並產生具備時間戳記的字幕檔，具備快速的轉換效率，一小時影音檔轉文字只需要 10 分鐘就能完成，準確率高達 94 %。

cSubtitle 的特色功能

• 影音檔轉文字：上傳想要轉換的影片或錄音檔，容量在 4GB 內且時長是在 5 小時以內。
• 批量影音檔轉換：專業版一次可支援 10 個影音檔轉換，每個檔案會生成獨立文字檔下載。
• 影片上字幕：上傳影片後能自動將影片內容生成字幕，建議先把影片轉換成較低的解析度 (240P、360P)，這樣上傳與轉換的速度都會快很多。
• cSubtitle 桌面版：適合需要大量檔案轉換用戶，最多每次能轉換 100 個檔案，自動下載保存在電腦裡面，不過目前僅推出 Windows 版本。
• 無帳號無訂閱：買註冊碼即可使用，沒有月費年費，剩餘時數過期後仍能合併到新註冊碼。

上傳格式	MP4、MOV、MP3、WAV、M4A、OGG、WMA
下載格式	TXT、DOCX、SRT、VTT
支援語言	臺灣國語（繁體）、中國普通話（簡體）、香港粵語廣東話（繁體）、英文

cSubtitle 的費用方案

	方案內容	方案費用
免費版	轉換前 3 分鐘	免費
100 分鐘	轉換 100 分鐘，有效期 90 天	US$9.95
500 分鐘	轉換 500 分鐘，有效期 90 天	US$39.95
1500 分鐘	轉換 1500 分鐘，有效期 1 年	US$99.95
100 小時	轉換 100 小時，有效期 1 年	US$349.95

使用 cSubtitle 的心得

cSubtitle 是純線上的轉換軟體，使用時只需要選擇對應的語言及上傳檔案就能做轉換，不過因為軟體是針對中文做設計，因此只支援中文或英文，對於專注於中文語音轉換的人來說已經很夠用。

在做語音轉文字時， 30 秒的檔案大概 1 分鐘內就能生成檔案，在輸出頁面中有文字檔案預覽的功能，這個功能我覺得很棒，能夠確認後再下載，而不一定下載下來才能做確認，很省時。

如果想要更改內容，能到線上逐字稿快捷編輯器內做文字調整，在線上編輯器中具備基本的文字編輯功能，像是文字排列、列點、數字、縮排的編輯，很像 word 的基本編輯工具，是個很實用的功能。

在影片轉換部分，免費版只能轉前三分鐘，轉換時間大概是 2-3 分鐘，在做影片上字幕時，輸出介面有預覽模式，會自動將字幕幫你貼在影片上做瀏覽，就能即時知道字幕在影片上的時間及顯示情形，不過這邊就沒有線上文字編輯的功能了，時間戳記的區間也比較長，沒有辦法做調整。

MyEdit

MyEdit 是訊連科技所開發的軟體，訊連科技旗下有多個影片剪輯、相片編修軟體，像是耳熟能詳的威力導演、相片大師等，MyEdit 則專注在音訊的編輯和處理，具備基本的音樂剪輯和語音轉換功能，如果要更專業的音檔剪輯，就需要使用到電腦版的 Audio Director。

在音訊編輯的工具裡，MyEdit 的語音轉文字功能，能夠將錄音檔轉為逐字稿，使用 AI 語音辨識技術，在線上直接上傳檔案就能使用；除了語音轉文字的功能外，還有多項音訊編輯工具，讓音樂編輯、語音編輯在線上就能一站完成。

MyEdit 的特色功能

• 語音轉文字：透過語音轉文字的 AI 自動辨識技術，製作筆記或 YouTube 字幕，檔案時間長度上限為 90 分鐘，檔案大小上限是 900MB。
• AI 音效生成器：輸入簡單的文字敘述，就能透過 AI 產生免費音效。
• AI 變聲器、改變音調：調整錄音檔裡的音調，或轉換成機器人、鴨子、花栗鼠或不同國家語言及性別的聲音。
• 去除人聲：在無損音質的情況下將音檔中的人聲去除，保留清晰的背景音樂。
• 去除雜音：去除背景的雜音或風聲，讓錄音檔能夠透過後製的方式，讓音檔保有乾淨的聲音。
• 音樂及 MP3 剪輯：簡單拖曳圖標就能剪裁上傳的音檔，迅速完成音樂的剪輯。

上傳格式	MP3、WAV、FLAC、M4A
下載格式	TXT、SRT
支援語言	中文、英文、日文、韓文等 9 種

MyEdit 的費用方案

	方案內容	方案費用
免費版	每日 3 點免費點數 檔案長度上限 90 分鐘 檔案大小上限 900 MB	免費
Audio Pro	包含免費版及： 1. 每月 360 點 2. 所有音訊 AI 工具 3. 不限下載和預覽次數 4. 專屬變聲器效果	NT$150/月
Creator Pro	包含 Audio Pro 及： 1. 每月 500 點 2. 圖片與影片編輯工具	NT$210/月
Studio Pro	包含 Creator Pro 及： 1. 每月 800 點 2. 100GB 雲端空間	NT$290/月

使用 MyEdit 的心得

我覺得 MyEdit 有點像是多功能的線上音訊編輯器，有很多音訊編輯的功能，在上面幾乎可以完成所有對於音訊的編輯，而且中文化做得很好，工具列表上能很清楚看到所有音檔編輯的工具。

語音轉文字方面，30 秒的音檔大概不到 1 分鐘就能轉換完成，且檔案中時間點列的非常詳細，包含每段話開始時間和結束時間。不過我發現當音檔裡包含中文及英文時，對於中文的辨識很不錯，但英文就無法辨識出來，這部分會需要再花一點時間人工重新確認一次。

至於在音檔編輯的功能裡，也提供了「音訊樣本」功能，像是有 AI 音效、去人聲、語音轉文字等音訊範本。在還沒上傳自己的影音檔之前，就能透過內建範本先做測試，清楚地了解轉換前和轉換後的差異，也能從中知道是否需要使用這項工具，我覺得這是還蠻貼心的一項功能。

Vocol.ai

Vocol.ai 是一個透過多種自然語言模型與 AI 技術來提供語音轉文字的服務，用 AI 技術生成對話的逐字稿、摘要與主題，藉此提高整個團隊的協作效率。

Vocol 結合了聲音「Voice」與合作「Collaboration」兩個字，清楚表達了軟體的目的。

在 Vocol 的介面能選擇中文、英文及日文使用，主打能夠融合在團隊工作中，除了整合第三方工作軟體，在會議中，語音助理會自動提取會議記錄裡的出待辦事項，提供給團隊協作和編輯。

Vocol.ai 的特色功能

• 即時錄音：點選介面上的開始錄音，就能直接將正在講話的語音內容轉成文字稿。
• 語音檔轉文字：將語音或影片檔轉為逐字稿，播放時間上限為 180 分鐘，檔案上限為 1 GB 。
• 整合 Google/Teams 會議錄音機器人：在使用 Google Meet 與 Microsoft Teams 時，能邀請 Vocol.ai 機器人加入會議室產生逐字稿。機器人最多能錄製 60 分鐘的時間，就會離開會議室。
• AI 分析功能：根據所上傳的音檔分析摘要及主題。

上傳格式	aac、mp3、mp4、mpeg、m4a、webm、weba
下載格式	srt、txt
支援語言	中文、英文、日文

Vocol.ai 的費用方案

	方案內容	方案費用
免費版	1. 註冊贈 200 V-points，屬一次性贈點 2. 儲存容量 3000 分鐘 3. 每月贈點已於 2025 年 2 月取消	免費
訂閱制	每月自動給點，可選月繳或年繳。 1. 720 V-points 2. 1,920 V-points 3. 3,840 V-points	月繳 US$11、US$25、US$46 年繳 US$8、US$18、US$33（每月）
點數包	一次性購買，個人與團隊皆適用。 1. 450 V-points 2. 1,200 V-points 3. 2,400 V-points	US$16、US$36、US$66

使用 Vocol.ai 的心得

Vocol.ai 具備兩種語音轉文字功能，一個是即時轉文字功能、一個語音檔轉文字功能，在使用即時錄音功能時，辨識精確度蠻快且很精準，也能辨識中文夾雜的語音。

在語音檔轉文字的功能中，如果使用 AI power 的功能，會自動總結整個語音檔的內容，並在時間戳記上產生摘要，另外還會自動生成主題標籤。

不過在檔案選擇方面 WAV 檔案沒有在上傳格式當中，但這個格式也是很常見的語音檔格式，就等於說所有檔案要先轉成 mp3 檔案才能上傳，我認為比較不方便些。

最後，我非常推薦它的會議機器人功能，在工作中常需要視訊會議，它能協助在會議中錄製語音，並於會後產生逐字稿，我們就不用再花時間記錄會議內容，能專注地參與整場會議。

Gemini Notebook（原 NotebookLM）

Gemini Notebook 是 Google 的 AI 研究與筆記工具，語音轉文字只是其中一項功能。把錄音檔加進筆記本後，它會產生摘要與逐字稿，也能把 PDF、網頁與 YouTube 影片放進同一個筆記本一起比對。

這項服務 2026 年 7 月從 NotebookLM 更名而來，功能沒有變動。音訊來源支援 MP3 與 WAV，單一來源上限 50 萬字、檔案大小上限 200 MB，免費帳號每個筆記本最多放 50 個來源。

Gemini Notebook 的特色功能

• 音檔轉逐字稿：把錄音檔加進筆記本，就能取得文字內容並直接對它提問。
• 多來源整合：同一個筆記本可以放 PDF、網頁、YouTube 影片、Google 文件與簡報。
• 音訊概覽：一鍵把來源轉成兩人對談形式的語音摘要，不用讀完也能抓到重點。
• 免費就能用：登入 Google 帳號即可使用，不需要另外訂閱付費方案。

上傳格式	音訊檔、PDF、網頁連結、YouTube 影片、Google 文件與簡報
下載格式	可複製文字或匯出筆記內容，不提供字幕檔
支援語言	介面與內容皆支援繁體中文

Gemini Notebook 的費用方案

	方案內容	方案費用
未訂閱 AI 方案	標準用量上限，音檔轉逐字稿與摘要都能使用	免費，需有 Google 帳戶
Google AI Plus	用量上限為標準的 2 倍	NT$165/月
Google AI Pro	用量上限為標準的 4 倍	NT$650/月
Google AI Ultra	用量上限為 AI Pro 的 5 倍或 20 倍，視方案而定	NT$3,300 或 NT$6,500/月

Gemini Notebook 的實際表現

上傳音檔之後，逐字稿會放在來源面板裡，點開就能看到摘要與全文，也可以直接針對內容提問。不過它沒有提供可下載的字幕檔，也沒有時間戳記，想拿去幫影片上字幕的人就得另外找工具。

另外要注意 YouTube 影片的匯入條件，影片本身要有字幕才進得去，純語音、沒有字幕的影片會失敗，這點跟可以直接吃影片檔的工具不太一樣。

隱私的部分，Google 在官方頁面聲明不會拿使用者上傳的內容去訓練模型，除非你主動送出意見回饋。對於要把公司會議錄音丟上雲端的人來說，這是滿重要的一點。

MacWhisper

MacWhisper 是一款由 Jordi Bruin 使用 OpenAI Whisper 所開發的語音轉文字工具，專門為 Apple 裝置設計。它沒有推出線上版，目前提供 Mac 桌機版與 iPhone、iPad 版，介面為英文。

免費版內建許多小型語言模型，若想要達到業界更高水準的精準度，就需要付費升級使用中型和大型語言模型，而 Mac 也需要有 8GB 以上的 RAM 才能達到這樣的轉換效能。

MacWhisper 的特色功能

• 即時錄音轉文字功能：直接透過 Mac 內建麥克風錄音，即時將錄音內容轉成文字檔。
• 音訊檔轉文字功能：上傳音訊、視訊檔案或影片連結，將語音轉成文字並輸出多種格式下載。
• Podcast 語音轉文字功能：針對 Podcast 的語音檔做文字的轉換。
• 具備多不同語言模型：能依據自己的使用量來更改語言模型，調整轉換的精準度。

上傳格式	mp3、wav、m4a、ogg、opus、mov、mp4
下載格式	srt、vtt、csv、dote、docx、pdf、html
支援語言	中文、英文、西班牙文等 100 種

MacWhisper 的費用方案

	方案內容	方案費用
免費版	使用小型語言模型，可轉檔並匯出 srt、vtt、txt	免費
Pro 版本	包含免費版及： 1. 中型及大型語言模型 2. 自動辨識講者 3. 批量轉換文件 4. YouTube 連結轉換 5. 翻譯成不同語言字幕 6. 自動錄製 Zoom、Teams 等會議	€64/授權，一次買斷含終生更新 20 個以上授權或 MDM 部署需聯絡官方

使用 MacWhisper 的心得

MacWhisper 是少數不用訂閱制的軟體，只要付費一次就能永久使用。

它不同於其他線上軟體，需要在 Mac 上安裝，但也因此轉換速度很快，16 分鐘的影片需要花費大概 3-4 分鐘的時間；不過，如果是透過 YouTube 的連結進行轉換就需要大概 10 分鐘的時間，而且轉換的文字需要升級成付費版才能使用。

另外，我覺得這款工具很棒的一點，是在「品質」選項裡能依據自己的使用精確性、轉換速度來調整想要使用哪種語言模型。基本上免費版的小型模型就非常夠用了，都會隨著版本更新去做優化。

不過也要特別注意，因為這些模型會直接下載在電腦中，所以轉換時電腦資源也會被分配掉一些。

Buzz

Buzz 是一款桌面版語音轉文字軟體，是一個完全免費的服務，沒有上傳數量的限制，具備簡潔的外觀，支援 Windows、macOS 與 Linux 三種系統。

使用的模型是基於 OpenAI Whisper 的技術，可選擇 Whisper、Faster Whisper、Hugging Face 與 OpenAI Whisper 這四種辨識模型，依電腦效能挑選。

目前在有在 Mac App Store 上推出 Mac 的專屬版本，不過這就需要付費。付費版在 UI 介面和功能上都有更好的設計，可以體驗到更完整的功能。

Buzz 的特色功能

• 即時錄音功能：將即時的錄音檔案轉換成文字。
• 語音轉文字功能：將音訊檔轉換為文字，提供清晰的時間戳記。
• 影片轉文字功能：將影片檔上傳後，能將影片內容轉換為文字。
• 持續維護中：GitHub 上超過 2 萬顆星，最新版本 v1.4.4，2026 年 8 月仍有更新。

上傳格式	mp3、wav、m4a、mp4、webm、ogm、mov
下載格式	txt、srt、vtt
支援語言	中文、英文、日文等 90 種

Buzz 的費用方案

	方案限制	方案費用
開源版	Windows、macOS、Linux 皆能安裝，MIT 授權	免費
Mac App Store 版	商店上架名稱為 Buzz Captions，介面與功能較完整	付費，價格以商店頁為準

Buzz 的使用心得

Buzz 直接到 github 裡下載就能使用，Windows 或 Mac 系統有相對應的開源版本，不過實測在 Mac 電腦上會被偵測為惡意軟體，需要到隱私權裡設定才能打開。

這也是 Buzz 為什麼要上架到 Mac App Store 的原因，這樣就不會被電腦視為不信任的軟體。

直接把檔案拖拉到 Buzz 的小視窗後，點選自己想要的模型、模型大小、語言就能進行轉換，過程中會顯示轉換的進度，結束會顯示總共轉換的時間。

轉換的速度不算慢，16 分鐘的影片大約 2-3 分鐘能夠完成，只不過轉換時會消耗電腦資源。

因為是開源的軟體，無限制的上傳檔案都沒關係，而且檔案是存取在自己的電腦系統裡，對於上傳雲端有疑慮的人來說，可以把這一款放進口袋名單。

常見語音轉文字應用場景

AI 語音轉文字線上工具可以準確快速地將音檔、影片轉文字，很適合用來製作筆記、逐字稿、字幕或會議記錄等，因此在不同的使用場景都會有不同的應用情形，以下是常見的錄音轉文字使用場景：

• 會議記錄：在工作中常會需要做會議記錄，透過語音轉文字功能，能有效率的紀錄會議內容，並完整的記錄下來會議中所有發言的細節，存檔起來方便與會議內容相關者在會後查閱。

• 訪談紀錄：在訪談之中，記錄受訪者的回答供採訪者做後續的整理和分析，經由語音轉文字的技術，不用重複的聽取錄音檔擷取重點，透過輸出的文字即可彙整採訪的精華。

• 語音助手：不管是在 iOS 系統還是 Android 系統，手機上都有像是 Siri、Google 助理替你執行任務，理解用戶的語音後，轉成文字並執行相對應的任務。

• 字幕生成：字幕生成分成兩部分，一個是即時字幕，提供即時線上的會議、演講字幕生成；另一個則是幫助影片上字幕，像是 Youtube 影片、各式各樣的影片、Podcast 字幕生成。

• 語音搜尋：使用者除了透過文字做網路的搜尋外，也能使用語音進行網路上的搜索，只要使用行動裝置的語音搜索功能，就能快速搜尋資訊，讓搜索的方便性提高。

• 學習記錄：在課堂、工作時若需要保存課堂上的內容，將課堂上的語音內容轉為文字，方便自己後續整理課堂筆記，也能作為後續的複習及資料保存。

• 即時翻譯：許多錄音轉文字軟體內建不同種的語言類別，讓影片、電影能自動地將片中的語言轉成另外一種語言文字，作為自動翻譯的工具。

• 文件製作：不管是在撰寫文件或回覆 Email 時，都可以透過語音加快文件的製作，提高輸入的效率與準確性，也省下不少手動打字的時間。

隨著科技的進步以及 AI 應用越來越普及，越來越多相關的應用場景逐漸生成，甚至也有文字轉語音的服務出現，未來也將出現許多整合的應用領域。

語音轉文字的常見問題

結論：根據需求選擇適合的工具

語音轉文字的功能隨著 AI 的發展越來越普及，尤其 Open AI 推出的 Whisper 模型，讓許多軟體藉著這個功能開發出許多應用，也適用於多種語言。

一般來說語音轉文字上傳的檔案會分為三大類別，分別是音訊、即時錄音與影片，可以依據這三種需求來選擇合適的軟體，通常會應用在以下場景：

• 音訊轉文字：應用在 Podcast、文件整理上，建議選擇雅婷逐字稿、GoodTape。
• 即時錄音轉文字：應用在訪談需求、學習筆記、會議記錄，建議選擇 Vocol.ai、Buzz、MacWhisper。
• 影片轉文字：應用在影片上字幕，建議選擇 cSubtitle、MyEdit。