本地零上传转写
免费档用 WebGPU 或 WebAssembly 在本机推理，音频文件不上传服务器。断开 Wi-Fi 也能继续转录，适合处理保密会议、客户访谈这类不能外传的录音。
价格免费本地转写；Unlimited 云端档 US$10/月起
平台Web
归类语音识别与转写
收录2024-01-01
复核2024-01-01
编辑评分
4.4 / 5
★★★★☆
Whisper Web编辑总结
Whisper Web 把 OpenAI 的 Whisper 模型直接搬进浏览器，打开网页就能把音频转成文字，免费档在本地用 WebGPU 或 WebAssembly 完成推理，音频不上传，短文件可无限次转写。支持 99 种语言并自动识别语种，麦克风、文件上传、URL 三种输入都行，导出 TXT、SRT、VTT、JSON 四种字幕格式。免费档单文件上限 200 MB、20 分钟，超长文件或批量处理要转 Unlimited 云端档。缺点一是本地推理吃设备性能，二是转录结果只留在当前标签页，关掉页面前必须自己导出。
Whisper Web是什么？
Whisper Web 是一个纯浏览器端的语音识别平台，由 OpenAI 的 Whisper 模型驱动，把语音转文字这件事从「装客户端」变成「打开网页」。它面向的是需要快速把录音、播客、访谈、视频转成文字的开发者、内容创作者和文字工作者。
运行方式分两条路。免费档完全跑在本地：靠 WebGPU 加速，没有 WebGPU 时退回 WebAssembly，音频和转录文本都不离开你的设备。Unlimited 档改走云端，用于处理本地扛不住的超长文件，单个文件最长 10 小时、5 GB，一次可以批量上传 50 个文件，转录结果跨设备同步。
用法上，普通用户打开页面选模型、拖文件、点开始即可，不需要注册账号或申请 API key；开发者可以在本地模式下把长会议录音一次性转写，再导出 SRT 交给剪辑软件；团队则更适合 Unlimited 档，用云端批量任务和跨设备同步把素材汇总到一处。
Whisper Web核心功能
99 种语言自动识别
覆盖英语、中文、西班牙语、法语、德语、日语等 99 种语言，语种由模型自动判断，不需要手动在下拉框里切换，混合语种的素材也能直接丢进去。
三种输入方式
支持麦克风实时录制、本地文件上传、以及 URL 或浏览器音频抓取三种来源。文件格式上兼容 .mp3、.wav、.m4a，也能直接处理 .mp4 这类视频文件里的音轨。
四种字幕导出
转写完可导出 TXT、SRT、VTT、JSON 四种格式。SRT 适配 YouTube 与 Facebook 字幕，VTT 适配 HTML5 网页播放器，TXT 适合写稿件和博客，JSON 便于二次开发。
云端长文件处理
Unlimited 档走云端推理，单个文件支持 10 小时、5 GB，一次可上传 50 个文件，并提供优先队列加速和跨设备同步，弥补本地模式处理不了长音频的短板。
模型档位可切换
提供 Tiny、Base 等多档 Whisper 模型，默认 Base 在速度与准确率之间折中，设备性能偏弱时可以切到 Tiny 换取更快的出字速度。
Whisper Web值不值得用？
当你手上有几十分钟以内的录音，又不想把音频传到别人服务器时，Whisper Web 是路径最短的选择——打开网页拖文件就行，免费、不要账号、本地跑完直接导字幕。它的能力边界也很清楚：单文件上限 200 MB / 20 分钟，超出就得走 Unlimited 云端档。真正的门槛在设备，本地推理依赖浏览器对 WebGPU 或 WebAssembly 的支持，老机器或性能一般的手机出字会慢，处理长录音时这种体感差距会被放大。建议先用一段真实素材跑通流程，确认你这台设备的出字速度能接受，再决定是否批量处理。
建议选它的情况
- 需要处理保密录音，音频不能上传到第三方服务器
- 转写对象是播客、访谈、短视频这类 20 分钟以内的素材
- 想把字幕直接导进 YouTube、Premiere Pro 或网页播放器
- 不想注册账号、不想配置 API key，希望即开即用
不建议选它的情况
- 手上有数小时长的会议或课程录音，超出免费档的单文件时长上限
- 主力设备浏览器不支持 WebGPU 或 WebAssembly，本地推理跑不动
- 需要团队协作编辑同一份转录稿，工具本身只做转写不做协同
Whisper Web使用建议
入门先把路子走对
- 先等模型加载完第一次使用时浏览器要下载约 75MB 的 AI 模型并缓存，页面会停在加载状态，等它走完再点开始，中途刷新会重新下载。
- 按设备挑模型档默认的 Base 模型速度与准确率比较均衡，设备偏慢时切到 Tiny 档，出字会明显变快，代价是专有名词的识别率下降。
- 关页面之前先导出转录结果只存在于当前标签页，工具不保存历史记录，随手刷新或关闭就会丢掉整段文本，记得先导出再离开。
- 断网验证隐私模式页面加载完成后可以关掉 Wi-Fi 再开始转写，如果仍能正常出字，说明处理确实发生在本地，可以用来向需要保密的客户证明素材没外传。
进阶省时间也省钱
- 加一个定向麦克风录音质量直接决定转录准确率。用定向麦克风或耳麦，避免多人同时说话，关掉风扇和空调，让发音清晰、口音标准化，结果会接近人工校对水平。
- 按用途选导出格式发博客和写笔记选 TXT，上传 YouTube 或 Facebook 字幕选 SRT，嵌 HTML5 播放器选 VTT，要把文本接进自己的程序处理则用 JSON。
- 长素材交给云端档超过 20 分钟或 200 MB 的文件本地档处理不了，Unlimited 档单文件支持 10 小时、5 GB，并且一次能排 50 个文件，适合把一整季播客集中转写完。
Whisper Web适合谁用？
播客与视频剪辑师
推荐需要给单集 20 分钟以内的节目配字幕，导出 SRT 或 VTT 直接进剪辑软件，免费档本地跑不花云成本。
需要保密的访谈者
推荐处理客户访谈、内部会议等敏感录音，本地模式音频不上传，断网也能跑；但转录稿不保存，离开页面前必须自己导出。
课程与会议记录整理者
有条件一堂课或一场会议动辄一两小时，超出免费档 20 分钟的上限，需要转 Unlimited 档走云端处理。
使用老旧设备的用户
不推荐本地推理依赖浏览器支持 WebGPU 或 WebAssembly，显卡和内存吃紧的机器出字很慢，长文件等待尤其明显。
Whisper Web优点和缺点
优点
- 免费档完全本地推理，音频不上传，断网也能继续转录
- 无需注册账号、不用申请 API key，打开网页就能用
- 覆盖 99 种语言并自动识别语种，不必手动切换
- 一次导出 TXT、SRT、VTT、JSON 四种字幕格式
- 本地模式不限转写次数，只设单文件 200 MB / 20 分钟上限
缺点
- 转录结果不落盘，关掉标签页或刷新就全部丢失
- 处理器性能不足时本地推理出字偏慢，长音频等待感明显
- 长文件须付费转云端，免费档处理不了整场会议录音
- 云端档处理时音频仍需上传，隐私强度弱于本地模式
Whisper Web版本与计费对比
| 方案 | 价格 | 包含内容 | 说明 |
|---|---|---|---|
| Whisper Web Free | 免费 | 单文件最大 200 MB / 20 分钟，本地处理，不限转写次数 | 无需账号，音频不上传，支持 TXT、SRT、VTT、JSON 导出 |
| Whisper Web Unlimited | US$20/月，年付 US$10/月（US$120/年） | 单文件最长 10 小时 / 5 GB，一次可上传 50 个文件 | 云端处理，优先队列，跨设备同步，含全部导出格式与云存储 |
以上为公开费率整理，厂商保留调价权利，实际以官方页面为准。
Whisper Web关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 支持语言数 | 99 | Whisper Web 官网首页 |
| 免费档单文件大小上限 | 200 MB | Whisper Web 定价页 |
| 免费档单文件时长上限 | 20 min | Whisper Web 定价页 |
| Unlimited 单文件时长上限 | 10 hours | Whisper Web 定价页 |
| Unlimited 单文件大小上限 | 5 GB | Whisper Web 定价页 |
| Unlimited 批量上传数 | 50 files | Whisper Web 定价页 |
| 首次模型加载体积 | 75MB | Whisper Web 使用指南 |
Whisper Web常见问题
Whisper Web 免费吗？免费档有什么限制？＋
免费档可用，不需要注册账号，本地转写次数不限，限制在单文件：最大 200 MB、20 分钟。超出这个范围就要用 Unlimited 云端档，Unlimited 月付 US$20，年付 US$10/月，年付总价 US$120。
我的录音会被上传吗？＋
免费档全程在浏览器里用 WebGPU 或 WebAssembly 处理，音频文件和转录文本都不离开设备，页面加载完成后甚至断网也能跑。Unlimited 档会走云端服务器，官方说明文件在转录完成后即从服务器删除。
免费档和 Unlimited 档的区别是什么？＋
免费档本地处理，适合短文件和最高隐私要求；Unlimited 档走云端，单文件支持 10 小时、5 GB，一次可批量上传 50 个文件，还包括跨设备同步、全部导出格式和云端存储。
支持哪些语言？＋
支持 99 种语言，包括英语、中文、西班牙语、法语、德语、日语等，语种由 AI 自动检测，不需要手动选择。
Whisper Web 能离线使用吗？＋
可以。首次访问时浏览器会下载并缓存约 75MB 的模型，之后免费档在没有网络的情况下也能完成转录。这也意味着第一次使用要等模型加载，页面会显示加载状态。
支持哪些音频和视频格式？＋
音频文件支持 .mp3、.wav、.m4a，视频文件如 .mp4 也可以直接导入，工具会提取其中的音轨进行转写。输入来源还包括麦克风实时录制和 URL 或浏览器音频。
转录结果会保存吗？＋
不会自动保存。工具不存储你的音频和转录文本，因此也无法找回丢失的内容。转写完成后应立即导出 TXT、SRT、VTT 或 JSON，再关闭标签页。
