语音转文字

要对视频或音频进行处理，第一步通常是将其中的语音转成文字，也叫 ASR。

什么是 ASR？

ASR = Automatic Speech Recognition，中文全称是自动语音识别，也就是常说的语音转文字。它会把人声录音转换成可读的文本。

软件内置了一个免费开源模型用于语音转文字，也支持使用「豆包录音文件识别」在线接口进行处理。

本地语音转文字

使用本地模型无需额外设置，软件已经内置。

错误处理

如果识别出现错误，常见原因是模型或软件存放路径中含有中文。可以把软件名称和存放目录改成纯英文字母后再试。

目前软件已增加兜底处理：如果检测到中文路径，会自动缓存到用户项目文件中。

豆包语音（火山引擎）官网

在火山引擎的豆包语音中，这个功能叫「录音文件识别」。

录音文件识别有不同版本，具体免费额度和计费规则以火山引擎控制台当前页面为准。

进入开通管理页面，确认并开通「录音文件识别 2.0」。

https://console.volcengine.com/speech/new/setting/activate

进入开通管理页面，确认并开通「录音文件识别 1.0」。

1.0 版本有「标准版」和「极速版」，也可以按需要一起开通。

进入「API Key 管理」页面，

创建一个 API Key，并保存。

保存密钥

API Key 属于账号密钥，请及时保存，不要公开到截图、群聊或文档中。

回到当前软件中，完成设置。

说明

语音转文字功能主要有两种使用场景：

一是下载对标视频后提取视频文案，

二是剪辑自己的口播视频时使用。

软件里内置了免费开源的本地模型，同时也支持豆包语音的「录音文件识别」的接口，两种方式都能选用。

如果你对识别精度要求比较高，可以选用豆包语音识别；如果只是普通剪辑，直接使用默认的本地免费模型即可。