浏览器实时语音转文字：从麦克风到可导出的记录

Heymi 的实时转写在浏览器中采集麦克风音频，经服务端发送到云端语音模型。它适合会议、访谈和口述记录。当前使用分段识别，约每 8 秒提交一段，界面不会逐字同步；网络和供应商处理速度会影响结果出现的时间。

开始前：确认权限与收音

1. 在支持麦克风的浏览器中打开 Heymi，使用 ChatGPT 账号登录。
2. 阅读数据说明，取得参与者录音同意后，打开实时转写并开始录音。
3. 浏览器询问麦克风权限时，选择允许。若没有询问，检查网址栏的网站权限和系统麦克风隐私设置。
4. 先说一两句测试文本，确认页面出现转写。保持网页在前台，尤其不要在手机上锁屏录音。

录音过程中怎样提高可读性

靠近麦克风、尽量减少背景音乐，并让发言者依次讲话。语音模型支持多语言识别，但不同口音、混合语言、远场收音会影响效果。当前不自动区分说话人，不应把分段时间当作精确的发言定位。

出现文字后先继续自然交流，结束后集中核对专有名词、人名和金额。转写是对实际发音的识别；如果需要把英文变成中文，请先完成并保存原文，再在会议详情选择翻译目标。

暂停、结束与导出

暂停和结束时会处理尚未提交的末尾音频。请等待最后一段处理完成，再关闭页面。录音保存在当前浏览器，文字记录保存到云端；换设备可以查看云端文字，但不会自动带上原始录音。清理浏览器数据前，请先下载需要保留的音频。

没有出现结果时，按这个顺序检查

• 先确认麦克风有输入，并检查当前选中的输入设备。
• 查看页面错误提示：权限拒绝、个人额度、公共预算或供应商错误，需要分别处理。
• 保持网络稳定，等待至少一个完整音频片段的处理时间。
• 如果临近结束的文字还未出现，等末段请求结束，不要反复创建新录音。

每月免费 60 分钟转写；模型请求会预留用量，失败请求也可能计入。公测全站有公共预算限制，请以设置中的实际剩余额度为准。查看额度规则。