做开发的人，录个技术分享要出纪要；做自媒体的，剪视频得挂字幕；学生上网课，想把老师讲的变成笔记。音视频转文字这事，几乎人人都躲不掉。
但市面上的工具，槽点一个接一个：有的必须下载客户端，几百兆装完只用一次；有的免费额度抠门，单次限十分钟，长录音得切成四五段；有的只导出 txt，想做字幕还得自己对齐时间轴；还有的按分钟收费，重度用户一个月下来比会员还贵。挑工具的时间，够把活干完了。
所以这次我拉了几款主流在线转写工具做横评，重点聊聊云音雀（yunyinque.com），看看它到底是真香还是又一个"看起来很美"。
评测维度
为了避免"我觉得好用"这种玄学，我先固定五个维度：
- 是否网页在线：不用下载、打开浏览器就能用，是最低门槛。
- 输入输出格式：支持的音视频格式越多，越省去转码的麻烦。
- 是否支持字幕时间戳：能直接出 SRT / VTT 带时间轴，才能无缝进剪辑软件。
- 功能丰富度：除了转写，有没有配音、提取音频、翻译、裁剪拼接等。
- 上手难度：三步内能跑通，才叫对普通人友好。
详细介绍
云音雀是一个纯网页端的音视频处理工具箱，定位就是"上传文件、在线处理、下载结果"，不装客户端、基础功能免注册。
它的能力分三块：
- 转写与配音：录音转文字（TXT / DOCX / SRT）、视频转文字（TXT / SRT / VTT）、文字转语音（MP3 / WAV）。
- 音视频处理：视频转音频（MP3 / WAV / AAC）、视频翻译（TXT / MP4）、音频裁剪、音频拼接。
- 格式转换：常见音视频格式互转。
典型流程很简单：进首页选工具 → 上传文件、设输出格式 → 跳到"转换记录"看状态、预览、下载。以"视频转文字生成 SRT"为例，五步搞定，SRT 直接拖进剪映当字幕轨。
在输入格式上，常见的 mp3、wav、m4a、mp4、mov 都能直接上传，不用先转码；输出侧也覆盖了从纯文本到带时间轴字幕、再到音频配音的全谱系。识别准确率走的是通用语音识别路线，标准普通话、清晰音源表现稳定。但和所有云端工具一样——音源越脏，结果越糙：二次录屏、低码率压缩、环境噪声都会拖累识别，所以尽量给原始、清晰的素材，少一帧有损编码就少一层噪声。
和同类工具的优劣势对比
工具 | 网页在线 | 字幕时间戳 | 功能丰富度 | 免费额度 | 主要短板 |
云音雀 | ✅ 是 | ✅ SRT / VTT | 高（转写+配音+提取+翻译+剪辑） | 基础功能免费 | 不区分说话人；无 AI 总结；额度/单文件上限未明示 |
讯飞听见 | ✅ / App | ✅ | 高（专业词库+精校） | 偏少，按分钟收费 | 免费额度紧，长期成本高 |
网易见外 | ✅ | ✅ SRT | 中（转写+字幕） | 每日 2 小时 | 更新慢，口音识别一般 |
飞书妙记 | ✅（需飞书账号） | ✅ | 中高（区分说话人） | 额度较大 | 强绑飞书生态，纯个人用偏重 |
通义听悟 | ✅（需登录） | ✅ | 中高（AI 摘要） | 每日流量额度 | 长视频需先分离音频 |
优势：功能链条最全，一个站把转写、配音、提取、翻译、裁剪拼接、格式转换全包了；纯网页、免注册，临时用最省事；导出格式覆盖 TXT / DOCX / SRT / VTT / MP3 / WAV / AAC，做字幕和文稿都够。
短板（不吹了，说真话）：第一，它是"上传后处理"，没有边录边转的实时能力；第二，普通转写不区分说话人，多人会议稿得自己分；第三，没有讯飞 / 通义那种 AI 自动总结、待办提取，定位是纯转写工具。
适合人群选型建议
- 学生：网课录屏转笔记、偶尔采访整理。优先云音雀（免注册、免费、能出 DOCX）或通义听悟（AI 摘要适合复习）。预算 0 元就够。比如把 90 分钟高数录屏丢进去出 DOCX，再配合导出的音频反复啃难点。
- 程序员 / 开发者：技术分享、会议纪要多，常要区分发言人。飞书妙记（区分说话人 + 协作）或讯飞听见更合适；如果只是把自己录的口播、内部技术分享转成文档归档，云音雀足够，省去边听边记。
- 短视频创作者：要字幕、要提取 BGM、要配音。云音雀一站最顺：视频转文字出 SRT，视频转音频抽 BGM，文字转语音做配音。比如搬运一段无字幕素材，转文字校对后压回视频，再抽原声当下一期的 BGM。重度日更再叠加剪映（不限时长）补量。
适合场景推荐
适合：临时一次性转写（不想装软件）；视频挂字幕（SRT 直出）；网课 / 采访出文稿（DOCX）；短视频素材提取音频、裁剪拼接、格式转换；轻度个人使用，0 成本起步。
不适合：超长多人会议且要严格区分发言人（上飞书妙记 / 讯飞）；需要 AI 自动生成会议纪要和待办（上通义听悟 / 讯飞）；重度批量、每天几十段的大工作量（先确认云音雀额度上限再决定）；对数据留存有强合规要求、文件不能出本机的（只能上本地方案）。
