# 录音和视频怎么转文字？能区分说话人，导出 TXT、SRT 字幕

> 用 Beav 的“音视频转文字”小工具，把录音或视频转成文字：可选转写模型和语言，FunASR 区分说话人，导出 TXT、SRT、VTT 或详细 JSON，结果登记进素材库。附步骤和与飞书妙记、通义听悟、讯飞听见的对比。

- 原文: https://beav.pro/blog/features/audio-video-to-text
- 作者: JambaHailar (https://x.com/JambaHailar), Beav
- 发布: 2026-10-28
- 最后更新: 2026-10-28

> **要点速览**
>
> * 在 Beav 的“音视频转文字”里，从素材库选一段音视频或从电脑上传，选好转写模型、语言和输出格式，就能得到文字，格式可以是 TXT、SRT、VTT 或详细 JSON。
> * 多人对话选 FunASR，可以区分说话人；支持热词表的模型可以填你在服务商账号下已有的热词表 ID。
> * 会议记录、实时转写和团队协作，飞书妙记、通义听悟、讯飞听见做得更完整。Beav 适合的是做内容：转出来的字幕和文稿留在素材库，接着剪辑、写稿。

录了一段采访、拍了一条口播，或者手里有一段播客，下一步几乎都要先变成文字：剪辑要字幕，写稿要逐字稿，整理观点要能搜索的文本。

Beav 桌面端自带的“音视频转文字”小工具做的就是这一步，而且**结果会登记进素材库，和原素材放在一起**，后面剪辑、写稿时不用再到处找文件。

## 适合谁

* 拍口播、做访谈和播客，需要字幕文件的创作者。
* 想把录音整理成文章、笔记或脚本的人。
* 已经在服务商那里配了热词表，希望专有名词识别更准的团队。

## 怎么用

先装好 [Beav 桌面端](https://beav.pro/download)。

![音视频转文字四步：打开工具、选文件、选模型语言和格式、校对复制或导出](https://beav.pro/blog/features/audio-video-to-text-steps-zh.webp)

*选文件、选模型和格式，校对后复制或导出。*

1. **打开“音视频转文字”。** 在左侧“工具&技能”的“小工具”标签里，主页的常用工具图标也能打开。第一次使用按提示授予权限。
2. **选文件。** 点“从资产库选择”用素材库里已有的音视频，或者点“从电脑上传”。
3. **选转写模型、语言和输出格式。** 格式有 TXT、SRT、VTT 和详细 JSON 四种。几个设置按需打开：
   * 多人对话选 **FunASR**，它能区分说话人，可以填人数提示（2–100），留空则自动判断。
   * 用 **Qwen ASR** 文件转写时，可以开数字规范化。
   * 模型支持热词表时，可以填你在服务商账号下已有的热词表 ID，专有名词、品牌名更容易识别对。
4. **校对、复制或导出。** 短结果可以直接在窗口里校对、保存修改和复制；较长的结果先导出完整文件，再用你习惯的编辑器改。结果会登记到素材库。

![四种输出格式的用途：TXT 写稿、SRT 剪辑字幕、VTT 网页字幕、详细 JSON 二次处理](https://beav.pro/blog/features/audio-video-to-text-formats-zh.webp)

*按下一步要做的事选格式。*

## 和飞书妙记、通义听悟、讯飞听见比有什么不同

|       | 飞书妙记、通义听悟、讯飞听见      | Beav 音视频转文字           |
| ----- | ------------------- | --------------------- |
| 擅长的场景 | 会议、课堂、访谈记录；支持实时录音转写 | 已有音视频文件，转成字幕或文稿用来做内容  |
| 区分说话人 | 支持                  | FunASR 支持，可填人数提示      |
| 整理和协作 | 纪要、摘要、分享和多人协作做得完整   | 没有会议纪要和分享协作，结果给你自己接着用 |
| 识别调优  | 各家有自己的方式            | 可选转写模型和语言，可填已有热词表 ID  |
| 导出    | 常见文本和字幕格式           | TXT、SRT、VTT、详细 JSON   |
| 结果放在哪 | 各自的云端账号里            | 登记进本机 Beav 素材库        |

如果你的主要场景是开会，要实时转写、自动纪要、发给同事一起看，这几家是更合适的选择，它们在会议场景上打磨得很成熟。讯飞听见还提供人工转写服务，对准确率要求极高时可以考虑。

Beav 的位置不一样：它服务的是做内容的流程。转好的 SRT 和文稿登记在素材库里，旁边就是原视频；你可以接着在对话里让 AI 剪辑口播、整理成稿，不用在几个网站之间搬文件。

## 边界和注意

* 这个工具处理的是已有文件，不是实时录音。对话框里的麦克风只用来把你说的话转成输入框文字，单次最多 5 分钟，不是长录音转写。
* 转写由你选的模型服务完成，会消耗积分或你配置的服务额度，以界面显示为准。
* 热词表需要你在对应服务商账号下已经建好，Beav 这里只填 ID。
* 长结果请导出完整文件后再编辑，窗口里的直接校对适合短结果。
* 识别结果总会有错字，尤其是人名、品牌和行业术语。用作字幕或引用前，对照原音频过一遍。
* 转写别人的音视频，用于发布或商用前请取得授权。

## 下一步

* 要从抖音、视频号、TikTok 链接直接拿文案，不用先下载文件，看[视频文案提取](https://beav.pro/blog/features/extract-video-transcripts-in-bulk)。
* 想把录好的口播剪干净、加字幕，看文档[视频剪辑与智能剪口播](https://beav.pro/docs/workflows/video-editing)。
* 完整说明见文档[内置小工具：音视频转文字](https://beav.pro/docs/workflows/mini-tools#音视频转文字)。

*适用于 Beav 桌面端 2.9，核对日期 2026-10-21。*