Video Transcriber

视频转文字 YouTube字幕提取 AI视频翻译器AI Dubbing AI转录工具

我的资源

价格

桌面应用Windows 与 macOS YouTube 扩展程序

Video Transcriber

API · MCP · Skill - 随处可用

转录 API，适用于音频、视频与链接

通过 AI 转录，将音频和视频转换为准确的文字。一个简单的 API 即可支持 200 多种语言、说话人识别、时间戳、字幕和 AI 洞察。

🎁立即领取免费 1,500 API 配额

99.9%
可用率
24.2s
响应时间
24 / 7
全天候支持
#1
数据安全

200 多种语言
直接输入 URL
说话人分离
带时间戳的 JSON 输出
AI 章节与翻译

一个 API，支持各种格式。

什么是转录 API？

由Video Transcriber AI打造，转录 API 能将音频、视频以及来自YouTube、TikTok、Instagram等多平台链接通过一个REST接口转为结构化文本，内置说话人识别、词级时间戳和200+语言支持。

平台链接

粘贴公开链接。我们会根据各个平台的特点处理内容提取、字幕和自动语音识别（ASR）。

文件上传

提供视频或音频文件的公开 URL，每个文件最大支持 5 GB。

MP4
MP3
MOV
WebM
AVI
WAV
M4A
AAC
OGG

所有来源均使用同一接口，返回相同的 JSON 结构和错误码。将 YouTube 链接换成 MP3，你的代码也无需修改。

能力介绍

转录 API 的亮点是什么？

转录 API 由Video Transcriber AI打造，将所有转录来源统一到一个开发者友好的接口中，能力远超基础语音转文字。

多平台来源覆盖

转录 API 支持十多种输入类型——YouTube、TikTok、Instagram、Facebook、X、BiliBili、Google Drive、Dropbox和直接文件上传——全部通过一个接口，统一响应格式。

200+语言支持

转录 API 覆盖200多种语言，自动检测来源语言无需手动指定。混合语言音频也能优雅处理，全球团队只需维护一条处理流水线。

内置说话人识别

说话人识别包含在每次转录 API 响应中，无需额外费用。每段语音都带有说话人标签，将多人录音转化为可读的对话文本。

带时间戳的 JSON

Transcript API 返回清晰、机器可读的 JSON，每个片段都包含开始时间、时长和文本，可直接用于处理流程、数据库或大语言模型的上下文，无需额外解析。

多格式导出

转录 API 输出纯文本TXT、SRT、VTT和含完整元数据的JSON。在请求中指定格式，返回的转录已按目标系统结构化——无需转换脚本。

AI 章节与翻译

Transcript API 自动生成章节标记，方便浏览，并支持任意语言对之间的 AI 翻译，将单个视频转化为结构化的多语言内容。

API · MCP · 智能体技能

如何使用转录 API？

使用 Transcript API 不到五分钟即可上手，选择适合你的方式：REST API、MCP 服务器或智能体技能。无需安装 SDK，也无需配置基础设施。

REST API

面向开发者和自动化流程

为任意应用添加转录功能。支持 n8n、Make、Zapier 或你自己的代码，适用于任何语言和技术栈。

在 https://videotranscriber.ai/transcript-api 获取免费 API 密钥
发起第一次 API 调用，将媒体 URL 或文件通过 POST 请求发送至转录接口。
JSON 响应包含完整转录文本、带说话人标签的片段以及检测到的语言。

MCP 服务器

适用于 ChatGPT、Claude、Cursor 等

粘贴视频链接，你的助手就能听懂内容。它会转录音频、总结要点、回答问题并撰写笔记，一切都在对话中完成。

claude mcp add --transport http --scope user videotranscriber \
  https://videotranscriber.ai/mcp \
  --header "Authorization: Bearer $VT_API_KEY"

claude mcp get videotranscriber

摘要
会议笔记

MCP 配置

智能体技能

面向 AI 智能体

安装一次，任意 AI 智能体都能听懂音频。总结视频、将录音转为笔记和文档，或从教程中提取代码，让智能体已有的能力支持音频。首次使用会创建账号并获取 API 密钥，提供 1500 免费额度供你开始使用。

npx skills add VideoTranscriberAI/videotranscriber-skills \
  --skill transcribe-media --agent claude-code --global

总结视频
回答问题

在 GitHub 查看

价格

按需购买 API 额度，永不过期。

一次性购买，无自动续费，永久有效。

3,000API 配额

$12

最多可转录 3,000 分钟

$0.004/API 额度

12,000API 配额

立省 10%

$45$48

最多可转录 12,000 分钟

$0.004$0.00375/API 额度

最受欢迎

30,000API 配额

立省 20%

$96$120

最多可转录 30,000 分钟

$0.004$0.0032/API 额度

90,000API 配额

立省 30%

$252$360

最多可转录 90,000 分钟

$0.004$0.0028/API 额度

270,000API 配额

立省 40%

$648$1,080

最多可转录 270,000 分钟

$0.004$0.0024/API 额度

600,000API 配额

立省 50%

$1,200$2,400

最多可转录 600,000 分钟

$0.004$0.002/API 额度

不确定如何集成？

需要更多配额？联系我们

用户如何评价转录 API

李明

数据分析主管

我们测评了六款转录API，转录 API 是唯一一个通过一个接口同时处理YouTube、TikTok和文件上传的。说话人识别在播客录音上表现出色——正确分离重叠对话的能力超过了我们对比的三家竞品。词级时间戳让我们构建了一个用户非常喜欢的交互式转录播放器。高峰期处理速度也很稳定，文档里的真实代码示例省了我们至少一周的开发时间。

张伟

工程经理

转录 API 替换了我们内容平台之前维护的四套不同工具。现在一个接口就覆盖YouTube、TikTok、Instagram和文件上传——集成代码减少了约70%。200+语言支持让我们在五个新市场上线时无需增加基础设施，自动语言检测让非技术团队成员不用手动选语言就能处理视频。

刘洋

独立开发者

作为独立开发者做视频转博客工具，转录 API 正是我需要的。一个POST接口就接受YouTube链接、TikTok地址或文件上传——代码里无需按平台分支。说话人识别默认包含且无额外参数，对多嘉宾播客非常友好。词级时间戳让我能自动生成章节标记。积分制定价覆盖了整个MVP开发过程。

赵琳

法务技术负责人

经过对AssemblyAI、Deepgram和Google STT三周测评后我们选择了转录 API。多源接入能力和庭审录音说话人识别质量是决定因素——它在三到五人重叠对话场景中表现远超竞品。词级时间戳的精确度足够合规引用且无需人工校对。多格式导出SRT和VTT直接融入了我们已有的字幕审核流程。

陈思

教育科技CTO

转录 API 是我们教育内容管线的核心——每月处理来自YouTube、BiliBili和直接上传的15000个视频课程，覆盖30多个国家。自动语言检测每天省下四小时人工标注。教室录音的说话人识别产出清晰转录，学生用于搜索和复习。一次调用输出TXT/SRT/JSON三种格式，同时供给搜索、播放器和分析系统。切换后成本下降且质量提升。

王芳

数据工程总监

我们的社媒监测工具追踪YouTube、TikTok、Instagram、Facebook和X上的品牌提及。转录 API 用一个API调用替换了五套脆弱的平台抓取器。无论来源是TikTok合拍还是YouTube回放，响应格式完全一致。词级时间戳精确定位长视频中的品牌提及时刻，说话人识别区分创作者语音和背景对话——这对情感分析准确度至关重要。

关于转录 API 的常见问题

60 秒内完成你的首次转录。

Video Transcriber AI 转录 API 为你的应用提供将语音转为可搜索结构化文本的全部能力——从YouTube片段到上传会议录音，全部通过一个接口，无需分平台设置。免费提供 1500 API 额度，无需信用卡，无需销售沟通。