讯飞听见导入音频转文字怎么操作 支持哪些格式
首页点导入文件或直接拖拽文件即可转写,支持mp3、wav、m4a、aac等音频和mp4、mov、avi等视频,单文件最长5小时、最大2GB、单次最多100个。
更新时间:2026-11-21 | 适用:腾讯会议(客户端 / 网页端) | 功能入口随版本更新,以当前实际显示为准
手上是一段已经录好的音频或者一段会议录像,不用重新听一遍,直接丢进讯飞听见就能出文字稿。入口不隐蔽,难的是搞清楚它到底吃哪些格式、有哪些硬限制,避免传上去才发现不认。
导入音频转文字从首页就能进
打开客户端,首页三个大入口里中间那个就是导入文件,点进去是导入音视频页面。也可以直接把文件从资源管理器拖到这个区域,拖拽和点选效果一样,批量的时候拖拽更快。

官方这张说明图把格式、大小、数量写全了:单文件最长 5 小时、最大 2GB、单次最多 100 个
页面里还有一个容易被忽略的入口:微信扫码导入手机文件。手机里录的音、微信收到的语音文件,扫码之后可以直接传到电脑端转写,不用先导到电脑再上传。
支持哪些格式 看清楚再传
音频方面,mp3、wav、pcm、m4a、wma、amr、aac 这些常见格式都能吃。视频方面支持 mp4、mov、avi、flv、wmv、3gp、m4v、mpg 等,传视频进去它会自动抽音轨,不用你先用别的软件转成音频。
实际会踩坑的往往不是格式,而是封装。有些录音笔导出的文件后缀是 mp3,实际是加密封装,播放器能放但转写接口不认;这种先用格式转换工具重新导出一遍标准 mp3 或 wav 就能解决。
| 类型 | 常见可用格式 | 注意点 |
|---|---|---|
| 音频 | mp3、wav、pcm、m4a、aac、wma、amr | 加密录音笔文件需先转成标准格式 |
| 视频 | mp4、mov、avi、flv、wmv、3gp、m4v、mpg | 自动抽音轨,无需先转音频 |
| 大小 | 单文件最大 2GB | 超限先切分或压缩码率 |
| 时长 | 单文件最长 5 小时 | 超长会议按半天切段更稳 |

官方对导入音视频的说明:转写准确率最高 98%,1 小时音频最快 5 分钟出稿
提交前有三个参数值得改
第一个是音频语言。录音里说的是普通话就选中文普通话,中英夹杂选对应的混合模式,方言可以走方言免切换。选错语种,转出来的东西基本没法看。
第二个是说话人数量。访谈、会议这类多人录音,指定人数比自动判断稳。第三个是优化转写,把专业领域选对,再把行业词加进热词,专有名词的正确率会明显提升。

出稿后左侧是音频、右侧是文稿,点任意一句都能跳到对应录音位置
转写完成会出现在文件列表里,点开就是标准的音频加文稿界面。这一页能改错字、能加重点、能导出,导入和实时录音得到的稿子在这一步没有区别,处理方式完全一样。
常见问题:传不上去、排队久、格式不认
文件传上去提示格式不支持?
先确认后缀在支持列表里,再看是不是加密封装。用格式工厂之类的工具重新导出一次标准 mp3,多数情况能过。
一次传太多会怎样?
单次最多 100 个文件,超了要分批。批量提交后会排队转写,先出短的,长的在后面,急用的可以先提交它。
视频里的画面会被识别吗?
不会。导入视频是抽取音轨转文字,画面不参与识别。需要保留画面要点,得自己在文稿里补截图。
导入转写的门槛不在操作,在于提交前那三个参数。花一分钟选对语种和领域,比出稿后改两小时划算。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

















