Mac 上如何把 MP4 影片轉成文字？無需上傳的本機轉寫指南

先看簡短答案

在 Mac 上把 MP4 影片轉成文字，應使用讀取影片音軌的檔案轉寫流程。無需讓整段影片在實時字幕窗口中播放一遍；對於能夠讀取的 MP4，也不必先手動轉換成純音訊檔案。檔案必須包含應用能夠解碼的音軌，無聲錄屏無法生成語音文稿。

Alison Workspace 可以導入音訊和影片檔案，識別語音，對照錄音檢查文字，並導出文檔或字幕檔案。安裝所需識別資源後，檔案語音識別在 Mac 上運行。先用一小段內容檢查語言與文字，再處理需要的錄制檔案。

需要文檔時，選擇檔案轉寫

實時字幕幫助你跟上正在播放的聲音。檔案文稿則把文字與保存的錄制檔案中的時間位置對應起來，便於重聽一句話、修改姓名，並選擇導出格式。Alison Workspace 中這兩種流程各有入口；想編輯 MP4 的文稿或保存文字，應使用檔案轉寫窗口。

例如，課程錄像中途可能有一段有用的講解。檔案文稿讓你可以搜索這段說明，返回對應音訊，修正術語後再加入筆記。這只是流程示例，並非準確率或速度測試。

如果錄制內容的提供者已有經過校對的文稿或字幕軌，應先查看。尤其涉及姓名、專業詞彙或預先準備的內容時，現成資料可能節省工作。自動識別提供的是草稿，而不是說話人確認過的文字。

檢查 MP4 中的音軌

MP4 是媒體容器，並不保證其中的聲音一定可用。應檢查錄制內容是否有語音、是否包含音軌，以及這條音軌能否在 Mac 上解碼。即使擴展名相同，編碼方式和檔案狀況不同，也可能導致不同結果。

Alison 的檔案讀取功能可處理普通音訊，並從 MP4、MOV 等影片容器中讀取音訊。缺少音軌、檔案無法讀取或解碼失敗時，應用可以報告問題。沒有可讀取的音訊時，應檢查原檔案，而不是反復更換識別語言。

影片有多條音軌時，應確認文稿對應哪一條。當前讀取器使用第一條音軌；本文不描述尚未提供的內置音軌選擇菜單。如果第一條不是需要的內容，應使用平時的媒體處理方式準備合適的音訊檔案，再導入轉寫。不要覆蓋原始錄像。

導入影片並準備設置

使用配備 Apple silicon 的 Mac，晶片為 M1 或更新型號，系統為 macOS 15 或更高版本。可用識別引擎和語言資源可能隨系統版本而不同。處理長檔案前，先準備應用要求的資源。

1. 打開 Alison Workspace 的檔案轉寫窗口，選擇添加檔案，或把本機影片拖入隊列。
2. 確認檔案已被接受，顯示的時長也符合實際。
3. 選擇錄制內容中實際說出的語言。只有所需模型就緒時，才使用自動語言識別。
4. 只需要原文時，關閉翻譯；需要譯文時，另外選擇翻譯目標。
5. 需要區分不同聲音時，開啓說話人分離，並準備它要求的資源。
6. 開始轉寫，然後打開生成的文字，對照原音訊檢查。

檔案導入讀取的是選中的媒體，並非系統播放音訊採集。無需通過揚聲器播放 MP4，也不必讓播放器一直運行。轉寫完成後，回放仍有助於校對文字。

使用前先檢查文稿

檢查開頭、中間一段，以及實際處理部分的結尾。這樣可以先發現語言設置錯誤、讀取了其他音軌或只生成了部分文稿，避免把時間花在逐句潤色上。

用文稿的回放和搜索工具檢查不確定的詞。姓名、數字、縮寫、否定表達和專業操作說明尤其需要核對。背景音樂或多人同時說話，可能讓通順的句子出錯；段落容易閱讀，並不證明識別準確。

文檔可以編輯。根據錄音和可靠的配套資料修正原文。如果同時生成了譯文，還應檢查譯文是否表達了修正後的意思，不能因為修改了一個字段，就認定另一個字段也正確。

選擇文字文檔或字幕導出

用於閱讀或筆記時，根據後續用途選擇 TXT、Markdown、PDF 或 CSV。導出選項可選擇原文、已生成的譯文或兩者同時保留；記錄中有時間戳和說話人標籤時，也可按需加入。

製作字幕時，選擇 SRT 或 VTT。檔案轉寫的時間戳對應媒體時間線，與另外開啓的實時聆聽會話時間不同。即使關閉文檔時間戳，SRT 和 VTT 仍會保留格式要求的時間資訊。

在準備使用的播放器或編輯器中預覽字幕，檢查切句、時間、行長，以及修改過的文字。生成的字幕檔案是成品字幕軌的起點，導出本身並不代表文字已經適合發佈。

理解部分轉寫與重試

當前檔案轉寫試用提供累計 60 分鐘音訊時長，與實時聆聽額度分開計算。隊列按順序消耗可用檔案額度；剩餘額度不足以處理完整檔案時，結果可能只覆蓋開頭，並標記為部分轉寫。

認定文稿完整前，檢查已處理時長和狀態。失敗或取消的任務可以重試，但先檢查原因與剩餘額度。解鎖完整檔案處理後，需要重新轉寫；僅僅打開之前的部分文檔，不會自動補出缺失的結尾。

檔案無法讀取時，檢查原檔案是否仍能正常打開、是否包含預期聲音。音訊已被接受卻文字質量不佳時，檢查語音語言、資源準備情況和錄音質量。這是不同問題，應採用不同處理方式。

保留原檔案，方便以後回放

本機處理減少了向轉寫網站發送錄制檔案的需要，但識別資源可能仍需首次下載。翻譯目標或說話人分離模型也可能需要單獨準備；下載識別模型不等於所有可選功能都已就緒。

希望以後對照音訊閱讀文稿時，應把原媒體保存在穩定的位置。保存的文稿並不是 MP4 的替代副本。原檔案被移動或無法訪問時，文稿工具可以重新關聯合適的檔案，並通過時長檢查幫助避免關聯錯誤錄制內容。

考慮導出文檔的保存位置。本機文稿放入同步或共享檔案夾後，可能由該服務分發。特別是內部課程或訪談，應選擇自己確實需要的保存目標。

根據所需結果決定下一步

需要可編輯的 MP4 文稿、可搜索的資料或字幕檔案草稿時，使用檔案轉寫；只想跟上當前播放內容時，使用實時字幕。涉及多個聲音，應檢查說話人標籤；整理一批不同語言的檔案時，應在開始前安排隊列和語言設置。

實際第一步是一段能夠讀取、語音清楚的影片。確認語言與一小段生成文字，再檢查完整結果，導出真正需要的格式。