格镜：一键搞定录音转文本、视频提取字幕导出

录音转文本准确率有多高？支持哪些方言？

格镜采用自研「格镜 ASR 2.0」引擎，普通话实测字准率 98.7%，粤语、四川话、东北话等 12 种方言模型独立训练，嘈杂环境下降噪后仍保持 95% 以上。上传 mp3/wav/m4a 后 30 秒即可返回带时间戳文本，可直接导出为 docx/srt/json 三种格式。

方言	字准率	支持功能
粤语	97.3%	粤语拼音、繁体输出
四川话	96.1%	辣椒、摆龙门阵等口语词汇优化
东北话	95.8%	儿化音、连读识别

视频提取字幕导出能否保留原画面时间轴？

格镜「视频转文字工具」先分离音轨再对齐画面帧，字幕块精度 0.01 秒，支持原画 4K/60fps 不压缩。导出时可勾选「保留原时间轴」按钮，生成的 srt/ass 文件可直接回压到 PR、Final Cut 无漂移；同时提供「画面预览」窗口，拖动即可微调，批量 100 条视频也能 5 分钟完成。

导出格式	时间轴保留	是否含样式
srt	✔	纯文本
ass	✔	字体、颜色、位置
txt	✘	无时间码

视频转文字工具是否支持多人对话角色分离？

格镜内置声纹聚类算法，自动区分男女及未知说话人，最多支持 8 人同屏。上传后系统会给出“说话人 1/2/3”标签，用户可一键重命名为“主持人/嘉宾/观众”，并生成角色对照表。若视频已含 PPT 页面，还能把“幻灯片标题”自动插入对应段落，方便后期整理纪要。

能否批量把 200 条会议录音一次性转文本？

企业版支持「文件夹拖拽」+「API 接口」双通道，200 条 1 小时录音约 80G，上传后云端 50 核并行，30 分钟全部转完。系统按“日期+会议室”自动建立子目录，文本与音频同名保存，并生成汇总 Excel，含时长、字数、关键词云，方便 HR 快速检索谁说了“预算”“里程碑”。

字幕样式能自定义吗？如何做到品牌一致性？

在“字幕工坊”里可保存公司 VI 模板：字体、字号、主色、描边、位置、入场动画一次设定，后续项目自动调用。导出 ass 时勾选“绑定模板”，即使外包剪辑拿到文件也无法误改样式。格镜还提供「品牌云盘」，模板跟随账号，换电脑登录也能同步，保证抖音、B 站、快手多平台视觉统一。

为何选择格镜？

从录音转文本、视频提取字幕导出到多人角色分离，格镜把“上传→识别→校对→样式→分发”做成一条无缝流水线，无需拼接多款软件。网页端免安装、云端 GPU 不限时长、支持 API 二次开发，个人免费额度每日 60 分钟，企业按量计费低至 0.08 元/分钟。速度快、方言全、样式稳，一站式解决所有“视频转文字工具”需求，让内容团队把时间花在创意而非重复劳动上。视频提取字幕导出格镜