浏览器本地分段，纯前端音视频转文字：基于讯飞 API 的开源工具

无需后端，纯前端工具在浏览器内自动切分长音频，对接讯飞 API 识别，合并输出文本。适合自备 API 凭证、追求成本控制的用户。

核心原理：浏览器分段 + 讯飞 API

很多转文字网页只是套了个好看的界面，当你上传大文件时，依然会因为 API 的时长限制而报错。这个纯前端工具真正有价值的地方在于引入了 FFmpeg WebAssembly，相当于把音视频处理能力搬到了浏览器里。

当上传一段 1 小时的会议录音，工具会在本地浏览器自动切成几十秒的小段，再按讯飞接口规则逐段发送识别，最后将结果合并成完整文本。它利用本地算力，巧妙适配了 API 的单次音频时长限制。

简单来说，大厂接口规定一次只能处理一小段，以前要么放弃，要么手动剪音频。这个网页就像一个自动剪辑助理，在浏览器里自动分段、分批识别、合并输出。

上手流程：纯前端怎么配大厂 API？

因为没有后端，使用前需要自备 API 凭证。步骤如下：

1. 注册讯飞开放平台账号，完成实名认证。
2. 在控制台创建语音听写应用，获取 APPID、API Key 和 API Secret。
3. 打开工具网页（在线演示或本地 HTML），在设置中填入三项凭证，上传文件即可开始转录。

纯前端不等于完全离线，隐私边界需知晓

“无后端服务器”容易让人误以为完全离线或数据绝不上传。实际上，项目不会将 API Key 发送到作者服务器，凭证只保存在浏览器 localStorage，防止中间商窃取。但语音识别过程仍需联网，音频切片会发送到科大讯飞云端解析。

安全提醒： - 涉及商业机密或敏感资料，不能依赖此工具实现物理隔离，不建议走云端 API。 - 识别质量由讯飞后端决定，工具只是前端封装，准确率和方言支持取决于 API 能力。

适合哪些人使用，不适合哪些场景？

适合： - 个人用户偶尔转录长会议、课程、采访录音。 - 不想付费商业工具，愿意自己配置 API 的独立开发者或极客。 - 需要快速搭建自用转文字页面，部署到静态托管平台。

不适合： - 对数据合规有严格要求、不允许第三方处理的企业用户。 - 需要团队协作、云同步和历史记录的场景（工具无账户体系）。 - 不想配置、只想一键出结果的小白用户。

常见问题

Q：讯飞 API 免费额度如何？ A：根据讯飞语音听写接口文档，新应用默认通常有每日 500 次免费调用。具体以讯飞控制台为准，政策可能调整。

Q：音视频文件会被第三方小网站存储吗？ A：不会。文件在本地浏览器分段，识别时音频直接发送给讯飞 API，不经过项目作者的任何中转服务器。