Vovsoft Speech to Text Converter

软件介绍

Vovsoft Speech to Text Converter 是 Vovsoft 推出的 Windows 语音转文字软件，可以把麦克风实时录音，或本地的音频、视频文件转写成文本，常用于整理采访、会议和长录音。

核心功能

• 多种识别引擎：官网列出 Whisper（离线，50 多种语言）、Vosk（离线，20 多种语言）、OpenAI（按分钟计费）、IBM Cloud（每月 500 分钟免费额度）和 Microsoft Azure（每月 300 分钟免费额度）。
• 多语言：官网称支持约 80 种语言，包括英语、西班牙语、德语、日语和中文（普通话、粤语）。
• 输入来源：音频支持 MP3、M4A、FLAC、WAV、OGG；视频支持 MP4、WEBM、MKV、AVI、MPEG、MOV、WMV、FLV、TS；也可直接用麦克风录音。

支持平台与系统要求

支持 Windows 11、10、8/8.1 和 7，提供 32 位和 64 位版本。官网同时提供安装版（约 222 MB）和便携版（约 255 MB）。软件界面语言为英文。官网未列出其他硬件要求。

版本与授权

官网当前显示版本为 6.0，页面标注发布日期为 2026 年 10 月 7 日。授权方式为免费试用加付费购买：完整授权 19 美元，一次购买永久有效并包含后续更新。试用版不含高级 AI 模型、商业使用权和无广告体验。使用 OpenAI 等云端引擎时，费用由对应服务另行计算。

适用人群或使用场景

适合需要把采访录音、会议记录或视频音轨转成文字稿的个人用户。需要离线处理、不想上传音频的用户，可以选用 Whisper 或 Vosk 引擎。