@BansalSamy87003 · X

I am 14 year old

digiplanp · V2EX

做了一个音视频转文字工具，支持 MP3/MP4、说话人识别和字幕导出 大家好，最近做了一个在线音视频转文字工具 ToText ，想发出来请大家体验一下，也听听 V 友的意见。 最开始做这个工具，是因为我自己在处理会议录音、访谈和视频内容时，发现单纯生成一大段文字并不太实用。转录完成后，通常还需要反复对照原始录音、修改错误、区分说话人，再整理摘要或字幕。 所以现在做成了一个相对完整的工作流： * 上传 MP3 、MP4 、M4A 、MOV 、WAV 、WebM 等音视频文件 * 自动识别语言并生成带时间戳的文字稿 * 支持说话人识别和说话人名称修改 * 点击文字片段可以跳转到对应的音视频位置 * 可以搜索、编辑和校对转录内容 * 自动生成摘要、会议纪要、章节和行动事项 * 支持导出 TXT 、DOCX 、PDF 、SRT 、VTT 、CSV 和 JSON 音频文件可以直接使用 [MP3 to Transcript]( https://totext.app/) 功能，比较适合播客、访谈、课程录音、会议和语音备忘录。 视频文件也使用同一个编辑器，通过

@slaven_ra · X

- recently added subscribe to Youtube channel feature to receive auto-summaries via email on each new published video

lilaiqun · V2EX

受够了视频没听清就反复拖进度条，只考虑音频错别字多，写了个"会看画面"的视频转笔记工具 看视频经常一句话没听清，拖回去重听好几遍还是听不清。试了现有的转写工具，发现它们只用音频——恰恰是我听不清的词，它们也转不对（幻灯片上的术语、代码里的名词，声音里根本猜不出来）。 所以做了 **Vid2notes**：转写时不只听声音，还抽帧看画面。Whisper 转文字，多模态模型拿着字幕对着截图一起读，输出带截图、章节、时间戳和 AI 总结的图文笔记，可导出 Markdown / SRT / VTT 。 支持最长 10 小时的视频，常见格式都行。 技术栈给感兴趣的 V 友：全栈 Cloudflare （ Workers AI 跑 Whisper + GLM ，Rust + FFmpeg 跑在 Containers 里），按视频 MD5 缓存不重复算。 **每天免费 3 个视频**，不用绑卡：[vid2notes]( https://vid2notes.com/) 最想知道的反馈：准确率在你的视频上怎么样，尤其是带幻灯片/代码的教学视频。欢迎拍砖

Aural — 开源 AI 面试平台，支持语音、聊天和视频面试，提供自适应追问、结构化评分、面试练习与自托管 - [查看仓库](https://github.com/1146345502/aural-oss)

Tovo - AI 会议/面试助手 — 在会议中，Tovo 是一款注重隐私的 AI 助手，完全在您的设备上运行，为会议和对话提供实时转录和智能协助，无需向外部服务器发送任何数据。

音频转文字工具 — AI 音频转文字，快速、精准、安全的转写服务

@gustav_poroson · X

Hi, I'm building:

emadda · HN

list55.com: Transcribe a list into plain text

@techtasium · X

Record the damn video, what's stopping you

ScribeFlash — 面向产品、市场与用户研究团队的 AI 研究工作台，帮助你把客户访谈快速转化为有证据支撑的洞察与专业研究报告。你可以上传访谈、查看和编辑转录内容、按研究问题整理答案、对比不同参与者、沉淀关键证据，并跨多场访谈发现主题、趋势和共识。每条 Finding 都可追溯到原始引用，让团队更快分析、更放心验证，也更容易输出可分享、可执行的研究结论

@RiteshGhodelaG · X

My first SaaS try failed 😅 5 months domain, 3 months live — 0 sales, zero user growth. Built AI transcription + SEO blogs + social threads + SRT tool, but no users came. Check my first attempt & drop feedback! #FirstSaaS #IndieHacker #BuildInPublic