Yap Audio to Text 是 Yap 团队的免费浏览器转写工具：把录音、访谈、课程或视频文件拖进网页，Whisper 模型在本机浏览器内完成识别，文件不上传服务器，输出可编辑文本与带真实时间轴的 SRT / VTT 字幕。无需注册，单文件上限 60 分钟 / 300MB，支持 MP3、M4A、WAV、OGG、FLAC 及 MP4、MOV、WebM 视频音轨，英文模式最准，Any language 模式自动检测 99 种语言。适合对「文件不出本机」有要求的采访整理与字幕初稿场景。 定价：免费（无注册、无试用期；单文件上限 60 分钟 / 300MB）。编辑评分：暂无评分。
Yap Audio to Text 是什么？
Yap Audio to Text 是 Yap 团队（O-mega Enterprise Inc.）的免费浏览器转写工具：把一段录音、访谈、课程或视频拖进 yapapp.cc/audio-to-text，它就在你的浏览器里把语音转成文字——文件全程不上传，官方口号是「transcription that never sees a server」。输出除了可编辑的正文文本，还有带真实时间轴的 SRT / VTT 字幕，可以直接当视频字幕初稿用。
无账号、无试用期、转写次数不限，单文件上限 60 分钟 / 300MB。支持浏览器能播放的常见格式：MP3、M4A、WAV、OGG、Opus、FLAC、AAC 音频，以及 MP4、MOV、WebM 视频的音轨。
它是怎么做到「不上传」的
原理和同团队的听写工具一脉相承：OpenAI 的开源语音识别模型 Whisper 被打包进网页，首次使用时浏览器下载一次（约 80MB，走 GPU 的浏览器约 165MB），之后模型在本机逐段识别文件音轨。官方说明网站只记录「一次转写完成了」这类匿名事件，不记录文件、文件名或内容——对拿不准能不能上传的内部会议、客户访谈录音，这是它和普通云端转写站的本质区别。
字幕是真实时间轴
工具把文件按自然停顿切成几秒的小段，逐段识别，所以每条 SRT / VTT 字幕的开始与结束时间都对应实际说话位置，不是按字数平均切的假时间轴。转写文本在编辑区改动后，导出的 .txt 和字幕会同步应用——先修正人名和术语，再导出字幕，是推荐的顺序。
要提前知道的限制
- 60 分钟 / 300MB 单文件上限：两小时的录音要先切段。
- 不能区分说话人：多人对话输出的是连续文本，谁说了什么要自己标。
- 准确率天花板：官方 FAQ 写得很直白，浏览器小模型比云端大模型更容易出错，人名、行话、多人交叉说话、音乐和嘈杂环境都是弱项。它适合出初稿，不适合当终稿。
- 语言：英文模式最准；其余语言（含中文）走 Any language 自动检测模式，准确率较低。
价格
完全免费：无账号、无试用期、不限次数，唯一限制是单文件 60 分钟 / 300MB。付费的是同团队的桌面听写应用 Yap（$6.90/月或 $69/年），与本工具无关。
编辑总结
在「免费、不用注册、文件不出本机」这三个约束同时成立的转写工具里，Yap Audio to Text 是少见的完整方案，SRT/VTT 直出对做视频、播客的人是加分项。代价是浏览器小模型的准确率上限——把它的产出当「结构良好的初稿」，配合人工校对，才是正确用法。中文录音建议先拿一小段实测再决定。
核验说明：本词条信息取自官网产品页与 FAQ 的 2026-10-21 实测快照；投稿方来信中「无时长限制」与官网不符，官网明示单文件 60 分钟 / 300MB，本词条按官网口径记录。
