听成文 AI：功能介绍与使用说明

听成文 AI 是一款 Windows 桌面软件，用来把音视频转成带时间轴的文稿、SRT / VTT 字幕和 AI 摘要。输入方式有两种：粘贴 B 站或抖音链接，或把本地文件拖进软件。转写和摘要都在本机完成，文件和结果不上传云端。

链接与本地文件走同一条流程

B 站、抖音链接和本地文件被放在同一个入口处理，这意味着它的使用场景不只是“整理自己录的音”。看到一条想留档或引用的视频，可以直接贴链接，不必先想办法把视频下载下来再找工具转写。本地文件则覆盖了另一类需求：会议录音、采访素材、已有素材库里的音视频。

输出物有三样：带时间轴的文稿、SRT / VTT 字幕、AI 摘要。带时间轴的文稿适合回查原话出现在哪一段；字幕文件可以直接交给剪辑软件或播放器；摘要则用于快速判断一段长内容值不值得细看。这三样对应的是不同后续动作，而不是同一份文本的三种叫法。

资料中提到的两项能力会影响它适合的任务规模。批量处理意味着一次可以交给它多个文件或链接，适合素材成批积累的场景，比如一期节目拆出的多段录音，或一批需要统一整理来源的视频。说话人区分则针对多人对话内容，例如访谈、圆桌、会议，转写结果会按不同说话人分开，而不是一整段无归属的文字。

需要注意的是，这两项能力在资料中没有更细的说明，比如批量上限、说话人数量上限、区分准确度的适用条件，因此实际可用程度需要在具体素材上验证。

“文件和结果都不上传云端”是这款工具最明确的一条边界。它对使用选择的影响在于：涉及未公开的会议内容、个人录音、客户素材时，不必先把文件交给第三方服务器。代价也同样来自这一点——转写和摘要依赖本机算力，处理速度、可处理的文件时长与体积，都会受电脑配置影响，而不是由云端服务器兜底。

它只提供 Windows 版本，macOS 或 Linux 用户不在覆盖范围内。

官网正文内容不足，以下几点在现有资料中没有说明：是否需要额外配置模型或依赖、转写支持的语言、免费还是收费、批量任务的具体限制、说话人区分的准确度表现。这些都会影响是否值得采用，建议以软件内实际说明为准。