视频转文字

MP4、MOV、WebM、M4A、WAV、MP3 可以直接上传，上传列表里的其他封装也接受。视频按原样读取，不必先抽出音轨。有些文件的音频编码浏览器无法预览，但仍可能上传成功；如果失败，把声音导出成 MP3 或 M4A 再传，最稳妥。

单个文件最大 500MB，浏览器直传存储。时长不单独设限，demo 阶段也不限制每天可处理的分钟数。同时最多两个任务在跑，第三个会自动排队。

不能。上传前会检查文件，没有声音的视频会被直接拦下并给出提示，而不是返回一份空白文稿。静音的录屏，或音轨被剥掉的片段，都变不出文字。补一条人声，或从原始工程里导出音频，再上传那个文件。

不可以。YouTube 等视频页面无法直接解析。只有链接指向媒体文件本身，例如能直接下载的 MP4 或 MP3 地址，才适合粘贴。否则请先下载视频，再上传文件。

开始转写前可以打开说话人区分，之后每次换人都会另起一段并带上标签，标签还能在编辑器里改成真实姓名。每人一支麦克风、录音干净时效果最好；抢话的部分可能被并进同一轮。

每个段落都有开始和结束时间，显示在文字旁边，导出时也会保留。文稿可以连时间码一起复制成纯文本，也可以下载为 SRT 或 VTT，导入剪辑软件或播放器。一次转写同时得到阅读稿和字幕文件。

不会。说话是什么语言，文字就是什么语言，不提供翻译。语种识别只用来把识别器设对；要另一种语言的版本，需要另找翻译工具。

文件上传到存储只是为了让识别服务读取，任务完成或失败后就会删除。文稿保存在账户里，直到你主动删除。音频不会用于训练模型，识别服务只在 Dictawave 的指示下处理它。