要把一批录音、访谈、课程或视频里的说话内容整理成文字稿和字幕，逐条听写不现实。睿君音视频字幕识别提取工具（厂商版）批量把音频和视频送进云端语音识别，输出带时间轴或不带时间轴的 TXT、SRT 字幕或 Excel 表格。厂商版使用你自己的云账号，识别量和单价由你自己的云服务决定。
厂商版和网关版怎么选：厂商版填入你自己的百度云、腾讯云、阿里云或豆包语音账号，识别费用直接结算给云厂商，量大更划算、数据链路自己掌控；网关版不需要注册云账号，用授权码直接识别，适合用量不大或不想折腾密钥的用户。
支持的云厂商与识别参数
| 项目 | 可选内容 |
|---|---|
| 云厂商 | 百度云、腾讯云、阿里云、豆包语音，四选一，各自填写自己的密钥 |
| 豆包服务档位 | 极速版、标准版 |
| 识别语言 | 自动、中文、英文、日文、韩文、法语、德语、俄语、西语 |
| 模型 | 按厂商提供的模型选择，也可以填自定义模型 ID |
四种导出格式
- TXT（带时间轴）：每句前带时间，便于定位原片位置。
- TXT（不带时间轴）：纯文字稿，直接用于整理、改写、投稿。
- SRT：标准字幕文件，可直接导入剪辑软件。
- EXCEL：逐句成行的表格，适合校对、翻译和团队分工。
支持的音视频格式
- 音频：MP3、WAV、M4A、FLAC、AAC。
- 视频：MP4、MOV、MKV、AVI、WMV，自动取其中的声音识别。
- 可一次添加多个文件，也可以添加整个文件夹批量处理。
批量处理的细节
- 文件列表支持移除选中和清空，避免误加的文件浪费识别额度。
- 输出目录可自行指定，完成后一键打开。
- 处理过程有日志，逐个文件显示识别进度和结果。
- 可随时停止处理，不必等整批跑完。
- 密钥保存在本机配置文件里，下次打开自动带出，不用反复粘贴。
当前线上交付版：厂商版 V3 日志默认显示版（2026-05 打包）。识别由云端完成，需要你自己的云服务账号，识别费用按各家云厂商计费，软件不含识别额度。安装包内不含任何密钥。
软件界面与演示
常见问题
买了厂商版还需要另外付识别费吗？
需要。厂商版用的是你自己的百度云、腾讯云、阿里云或豆包语音账号，识别费用按各家云厂商的计费方式结算，软件本身不含识别额度。不想注册云账号的话可以选网关版。
厂商版和网关版有什么区别？
厂商版填自己的云密钥，费用直接结算给云厂商，量大更划算、数据链路自己掌控；网关版用授权码通过统一网关识别，不用注册云账号，适合用量不大的用户。
视频文件要先转成音频吗？
不用。直接添加 MP4、MOV、MKV、AVI、WMV 等视频，工具会取其中的声音去识别。
识别结果能直接当字幕用吗？
导出 SRT 即可直接导入剪辑软件。语音识别难免有错字和断句问题，正式发布前建议校对一遍；需要精细排版可再用睿君字幕格式转换工具转成带样式的 ASS。
能识别英文、日文等外语吗？
可以选择自动、中文、英文、日文、韩文、法语、德语、俄语、西语。实际支持范围以所选云厂商的能力为准。
