Vocova
NOWGIC LTD · 寫作 · 語音與語言
Vocova 是一款網頁式的 AI 轉錄工具，能把音訊和影片轉成可編輯的文字、字幕、摘要和翻譯。它以影片轉文字和音訊轉文字轉換器的形式運作，支援超過 100 種語言，會自動標記不同講者，也接受上傳檔案以及來自 YouTube、Vimeo、SoundCloud 等 1,000 多個平台的媒體網址。你只要登入、把錄音丟進去，幾分鐘內就得到一份附時間戳的逐字稿。不必安裝任何東西。
關於 Vocova
Vocova 是什麼
Vocova 是一項線上語音轉文字服務，為那些手上有錄音、卻不想逐字打出來的人而設計。會議、訪談、課堂、Podcast 和電話，全都進到同一個地方：一個由 AI 負責聆聽的雲端工作區。背後的營運公司是 NOWGIC LTD，整套系統都在瀏覽器裡運作。
它最吸引人的地方在於廣度。Vocova 能轉錄超過 100 種語言，自動偵測所說的語言，付費方案還能把手上的逐字稿翻成 140 多種語言。講者辨識也一併附上，所以一場兩人訪談讀起來就是一場兩人訪談，而不是一整面沒有標記的文字牆。每份逐字稿都附帶編輯器，讓你能修正名字、整理標記，再用連結把成果分享出去。
問題在於，這是一套網頁應用，而不是開發者平台。沒有公開的轉錄 API、SDK 或 MCP 伺服器可以接進你自己的軟體，而且這裡做的每件事都需要一個 Vocova 帳號。免費用戶也會碰到實際的天花板：30 分鐘轉錄額度、30 MB 以下的檔案，以及三份可以保存的逐字稿。
開始使用
- 用 Google 或電子郵件在 vocova.app 建立免費帳號。不需要信用卡。
- 上傳音訊或影片檔，或貼上 YouTube、Apple Podcasts 等支援平台的媒體網址。
- 選擇品質等級：Standard 求速度，High 求最高準確度。
- 等幾分鐘，讓 AI 完成轉錄並標記講者。
- 打開內建編輯器整理文字，再匯出成 TXT、SRT、VTT、DOCX、PDF 或 CSV。
產品資訊
快速了解 Vocova 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 記者與研究者：不用動手打字就能把訪談轉成逐字稿。講者標記讓多人對話容易跟上，匯出檔也能直接進到筆記裡。
- 學生：把課堂錄音變成可搜尋的文字與摘要。免費方案足以應付短錄音。較長的課堂則需要付費方案。
- Podcast 與影片創作者：產生 SRT 或 VTT 字幕檔供上架使用，並在 Plus 或 Pro 方案把單集翻成其他語言。
- 會議頻繁的團隊：上傳通話內容，拿到一份附時間戳與講者標記的紀錄。擁有帳號的人可以用連結分享。
任務
- 音訊轉文字：丟進 MP3、WAV、M4A 或其他格式，取得附時間戳的可編輯逐字稿。
- 產生字幕：匯出可直接用於影片平台的 SRT 與 VTT 檔。
- 翻譯錄音：在付費方案把逐字稿從一種語言轉成 140 多種語言。
- 從線上影片取出文字：貼上支援平台的網址，不必先把檔案下載下來。
情境
- 會後紀錄：把一小時的通話變成幾分鐘就能掃過的摘要與逐字稿。
- 訪談研究：用關鍵字搜尋一段長對話，不必重新播放音訊。
- 內容再利用：把一集 Podcast 轉成文字版，用於節目筆記或部落格草稿。
- 靠錄音學習：照自己的步調重讀課堂內容，並標出重要的段落。
主要功能
支援超過 100 種語言的轉錄
Vocova 能轉錄超過 100 種語言的音訊和影片，包含英文、西班牙文、法文、德文、日文、阿拉伯文、印地文和韓文。它一次就能同時扮演語音轉文字與逐字稿產生器的角色，自動偵測正在說的內容，或在你已知語言時自行指定。媒體檔案和貼上的網址都走同一套流程，所以一段 YouTube 短片和一份本機錄音的行為完全一樣。
自動講者辨識
講者分離會標記錄音裡的每個聲音，這在訪談、座談和多人發言的會議裡特別要緊。你不必做任何設定；工具在處理的同時就會把講者歸類，之後你還能重新命名這些標記。這項功能僅限付費方案，免費用戶拿到的逐字稿不會有標記。
翻譯成 140 多種語言
逐字稿產生之後，Vocova 能把它翻成 140 多種語言，同時保持結構完整。如果你在多個市場發布內容，或需要快速讀懂一份外語錄音，這就很實用。翻譯功能從 Plus 方案起提供。
多種匯出格式
完成的逐字稿可匯出成 TXT、SRT、VTT、DOCX、PDF 或 CSV。SRT 與 VTT 選項同時是影片上架用的字幕產生器，而 DOCX 與 PDF 則適合書面報告。免費帳號只能拿到 TXT。其他格式要付費方案才有。
內建自動儲存編輯器
每份逐字稿都會在編輯器裡打開，你可以在那裡修正用字、調整時間戳、修改講者名稱。變更會隨手儲存，最終版本能用一組專屬連結分享出去。編輯器正是區分「機器原始輸出」和「你真的敢寄給客戶的東西」的關鍵。
從 1,000 多個平台匯入網址
除了直接上傳，Vocova 也接受來自 1,000 多個平台的媒體網址，例如 YouTube、Instagram、Facebook、Vimeo、Bilibili、SoundCloud、X 和 Apple Podcasts。能不能用取決於各平台的權限，所以有些連結會失敗，但在能用的時候，它省下了先下載再上傳的步驟。
摘要與兩種品質等級
每份逐字稿都附有 AI 產生的摘要，方便快速掃過一段長錄音。你還能在 Standard 與 High 兩種品質間選擇：Standard 完成得較快，High 在難處理的音訊上偏向準確。一份 60 分鐘的檔案通常 3 到 5 分鐘就能處理完。
優缺點
優點
- 語言涵蓋範圍廣：超過 100 種轉錄語言，以及 140 多種翻譯語言。
- 付費方案內建講者辨識，不必手動標記。
- 匯入網址省去下載已經在線上的錄音的步驟。
- 六種匯出格式，包含用於字幕的 SRT 與 VTT。
- 在任何現代瀏覽器都能運作，不必安裝。
缺點
- 沒有公開 API，無法把 Vocova 接進你自己的軟體或自動化流程。
- 免費方案很緊：30 分鐘、30 MB 檔案上限，而且只能保存三份逐字稿。
- 講者標記與大多數匯出格式都需要付費方案，限制了隨手使用的情境。
- 在雜亂或口音很重的音訊上準確度會有落差，你仍然得自己校對。
常見問題
Vocova 把音訊和影片轉成文字。人們用它來做會議紀錄、訪談逐字稿、Podcast 字幕、課堂摘要，以及把錄音翻成其他語言。整套流程完全在網頁瀏覽器裡運作。
相關內容
探索與 Vocova 相關的工具、技能與文章。
Vocova 替代方案
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
MePersona
MePersona, Inc. · 寫作 · 生產力 · 行銷MePersona 是為創作者設計的 AI 統一收件匣。它學習你的說話方式，在 12 個平台上草擬粉絲訊息回覆，只送出你核准的內容。
Fluence
Yay Software (Yannick Huchard) · 寫作 · 語音與語言 · 生產力Fluence 是 Android 上的文件閱讀器，能朗讀 PDF、EPUB、Word 檔與網路文章，逐句跟著語音標示，並在手機上直接回答你對內容的提問。