Video to Text 支持的媒体格式

Video to Text 支持一组精选的音频和视频格式，让你无需额外设置就能上传常见文件。开始之前，请确认两项硬性限制：每个文件必须不超过 5 GB，媒体时长必须在 10 小时以内。

如果你想完整了解上传流程，请阅读 Video to Text 使用教程。如果你的文件包含多种语言，Video to Text 支持的语言介绍了相关语言选项。

支持的音频格式

你可以上传以下音频文件类型：

• .aac
• .flac
• .m4a
• .mp3
• .oga
• .ogg
• .opus
• .wav

这些格式覆盖了大多数语音备忘录、播客、访谈、课程录音，以及从剪辑工具导出的音轨。

支持的视频格式

你可以上传以下视频文件类型：

• .mp4
• .m4v
• .mov
• .mkv
• .webm

如果你的源文件来自录屏软件、相机导出或浏览器录制工具，这些格式中通常有一种是最方便的选择。

需要了解的上传限制

在转写开始之前，Video to Text 会同时检查文件大小和媒体时长。

• 最大文件大小： 5 GB
• 最大媒体时长： 10 小时以内

这些检查在文件提交转写之前进行，能让你尽早发现问题，而不是等完一次漫长的上传。

应该选择哪种格式？

如果你可以用多种格式导出媒体，请参考以下简单规则：

• 想要文件更小，语音内容选择 MP3 或 M4A。
• 想要无损音频，选择 WAV 或 FLAC。
• 视频在大多数情况下选择 MP4，因为它兼容性最广。
• 尽量让文件接近原始录音。反复重新编码会降低语音清晰度。

常见上传场景

会议和访谈

以音频为主的格式如 .m4a、.mp3 和 .wav 通常最合适。它们很容易从手机录音、会议工具和剪辑应用中导出。

播客和课程

.mp3、.m4a、.flac 和 .wav 都受支持。如果存储空间紧张，一份干净的 .mp3 导出通常就够了。想要原始音质，就用 .wav 或 .flac。

录制的视频课程和网络研讨会

对大多数导出的视频文件来说，.mp4 是最稳妥的选择。如果你的录制工具输出 .webm，也可以直接上传。

上传前的检查清单

用以下检查避免上传失败：

1. 确认文件扩展名属于上文列出的受支持格式。
2. 保持文件小于 5 GB。
3. 确认媒体时长短于 10 小时。
4. 如果你知道录音的语言，请在开始前选择它，这有助于让流程保持简单。
5. 需要按说话人区分的会议或访谈输出时，开启说话人标签。

上传之后会发生什么？

文件上传完成后，Video to Text 会开始转写，处理结束后带你进入导出页面。你可以将转写文本导出为：

• csv
• srt
• vtt
• txt

完整流程（包括语言选择和导出步骤）请参阅 Video to Text 使用教程。