
- 月访问量
- 7,580
- 2026-09
- 月流量增速 +44%
Transcrisper - 在浏览器中私密转录音频和视频
Transcrisper 使用 Parakeet-TDT v3 语音识别模型和 Sortformer v2.1 说话人分离模型,在浏览器本地转录音频和视频。支持 MP4、M4A、MOV、MKV、WEBM、WAV、OGG、FLAC 和 MP3 等媒体格式。下载并初始化模型后,可在离线状态下转录,无需将音频上传到服务器。


核心能力
本地音视频转录
在浏览器中转录音频和视频文件,并生成语音转文字结果。用户选择支持的媒体文件,模型数据下载后由 Parakeet-TDT v3 在本地处理。
说话人分离
在转录流程中将音频片段归入不同说话人簇。Sortformer v2.1 会分析语音生物特征,支持流式说话人分离,并据称可处理重叠语音。
离线转录处理
模型在浏览器中初始化并缓存后,即可在没有网络连接的情况下进行转录。首次设置时,每个浏览器需要一次性下载近 2GB 的模型数据。
字幕与音频文件工具
提供在浏览器中转换和调整字幕及音频文件的工具。可用工具包括字幕格式转换、字幕时间调整、音频剪辑、音频格式转换和视频转音频。
定价
Transcrisper 可免费使用,页面未列出付费方案。没有不同套餐需要比较;转录在浏览器本地运行。
使用场景
在本地转录音视频录音
当用户希望转录录音,又不想将媒体发送到转录服务器时,可在浏览器中选择支持的音频或视频文件。Transcrisper 使用 Parakeet-TDT v3 在本地处理文件并生成语音转文字结果。
按说话人整理录音片段
录音包含多位说话人或重叠讲话时,用户可在转录流程中使用说话人分离引擎。Sortformer v2.1 会分析语音生物特征,并将音频片段归入不同说话人簇。
转换和调整字幕文件
字幕文件需要更换格式或调整时间时,用户可选择 SRT 转 VTT、SRT 转 TXT 或 Subtitle Time Shifter 等字幕工具。这些工具会在浏览器中转换或调整字幕文件。
使用限制
每个浏览器首次设置时需下载近 2GB 的模型数据;之后离线使用需要模型已缓存。
为获得最佳性能,建议至少配备 16GB 内存和独立显卡;也可仅用 CPU 处理,但速度会明显变慢。
为保持稳定,建议处理时长少于两小时的文件;实际文件大小限制取决于电脑内存。
无痕或隐私浏览可能限制存储,导致模型无法缓存,并需要每次访问重新下载近 2GB 的引擎。
Firefox 和 Safari 的 WebGPU 支持有限,性能可能比基于 Chromium 的浏览器慢。
适用人群
处理录音时不希望将媒体上传到云端转录服务的人
希望在本地转录录音对话的记者和采访者
希望在自己的设备上处理音频的医疗专业人员
常见问题
Transcrisper 会将音频上传到服务器吗?
不会。转录通过 Parakeet.js 和 ONNX Runtime 在浏览器中运行,音频不会离开用户的设备。
为什么需要下载较大的模型?
浏览器需要神经引擎才能在本地转录。每个浏览器首次下载近 2GB;模型初始化并缓存后,应用可以离线运行。
转录模型支持识别哪些语言?
Parakeet-TDT v3 支持英语、法语、德语、西班牙语、意大利语、葡萄牙语、荷兰语、波兰语、俄语、乌克兰语、日语、韩语和中文。说话人分离不依赖特定语言。
建议使用什么电脑配置?
为获得最佳性能,建议至少配备 16GB 内存和独立显卡。也可以仅使用 CPU 处理,但速度会明显变慢。
文件大小有固定上限吗?
限制取决于电脑内存。为保持稳定,建议处理时长少于两小时的文件;性能更强的电脑可能也能处理更长的录音。
评论