Vocova

Vocova 是一个在线音视频转写工具，把音频或视频转成带说话人标签与时间戳的文字稿。官方称支持 100 多种语言识别、可翻译成 140 多种语言，并能从 YouTube、Google Drive、Dropbox 等 1000 多个平台导入，可免费开始、登录后保存。

核心能力

• 多来源导入：上传文件（官方列示支持 MP3、WAV、MP4、MOV 等常见格式，最大 500MB）、浏览器内直接录音、粘贴链接，或连接 Google Drive 与 Dropbox。
• AI 转写：使用语音识别模型生成转写稿，自动识别不同说话人并加标签，提供词级时间戳，语言可自动检测。
• 翻译与编辑：转写稿可在线编辑文本、说话人与时间戳，并翻译成 140 多种语言，支持导出双语对照版本。
• 多格式导出：支持 PDF、DOCX、SRT、VTT、TXT、CSV，既可当文档归档，也可直接当字幕文件使用。
• 云保存与分享：官方称数据保存在云端并注重隐私，结果可生成一条链接分享，任意设备都能访问。
• 浏览器直用：无需安装客户端，网页内上传、录音、编辑、导出全流程完成，官网称可在任意设备上使用。

适合谁

• 要把访谈、播客、网课整理成文字稿的记者与内容团队。
• 给视频配字幕、需要 SRT 或 VTT 文件的剪辑师与视频博主。
• 参加跨国会议、需要译文对照的职场人。
• 需要批量处理云端音视频素材的研究与翻译人员。

使用建议

• 免费即可试转，登录后才能保存结果；先用短音频测一下准确率，再处理长素材。
• 转写别人链接里的内容时注意版权边界，官网 FAQ 专门提示了这一点。
• 导出格式按下游用途选：做字幕选 SRT 或 VTT，做双语文档选 PDF 或 DOCX，做数据分析选 CSV。
• 说话人自动识别不保证百分之百准确，多人对话建议人工核对一遍人名归属再交付。
• 词级时间戳在后期剪辑时很省事，可对照时间点快速定位原始音频里的某句话。