将语音留言转为文字，基本流程是保存音频、上传并读取转写。 难点往往在声音本身：传统电话线路的单声道音频大致限制在 300–3400 Hz，而留言中最重要的回拨号码又常常说得特别快。
本文不只给出一个准确率口号，而是提供可直接核对的结果：听真实留言、看未经编辑的系统输出，再比较同一录音经过电话音质模拟后的表现。
语音留言转文字概览
| 需要准备 | 保存为音频文件的留言 |
| 获取文件 | iPhone 分享、Android 导出、可用的 Google Voice 下载，或运营商邮件附件 |
| 支持格式 | 包括 .amr、.3gp 在内的多种音视频格式 |
| 是否需要预先转换 | 支持的格式可直接上传 |
| 免费试用 | 免注册转写前 5 分钟，足以覆盖多数短留言 |
| 处理时间 | 本文 16 秒样本耗时 4.65 秒；不是时限保证 |
| 导出 | Free：TXT、Markdown、JSON；DOCX、PDF、SRT、VTT 需相应付费权限 |
| 敏感留言 | 可在 Mac 应用中选择本地转写，避免上传音频 |
听真实留言，对照转写
点击播放。播放器下方是同一段英文录音未经人工修改的系统输出。为便于听音核对，录音与示例文本保留英文。点击某一行即可收听对应片段。
注意两个细节：即使停顿不明显，系统也加入了标点；它保留了“I've called, I mean, five times today”中的自我修正，意思是“我打过，我是说，今天打了五次”。系统还在“picked up once”后断句，尽管说话人直接接着讲下一层意思。这样的切分让文本更易读，但仍是识别系统作出的判断。
如何把留言保存为文件
获取音频常比转写更费力。可以依次尝试以下方式。
邮件转发。 如果运营商或企业电话系统支持将留言发送到邮箱，可启用该功能。音频通常作为 WAV 或 MP3 附件送达，下载后即可处理。是否提供取决于具体服务。
iPhone。 在支持可视语音信箱的配置中，打开“电话”，进入“语音留言”，选中一条留言，使用“分享”保存到“文件”或发到自己的邮箱，通常得到 `.m4a`。如果没有分享按钮，运营商可能没有将音频提供给设备，可再查看邮件转发选项。中国大陆的运营商与地区支持不能按海外演示默认推断。
Android。 操作取决于留言应用，而不只是 Android 系统。若您的账号与地区可使用 Google Voice，可在网页版留言中下载 `.mp3`。运营商应用中则查找“保存”“导出”或“分享”。录音应用也可能生成 `.amr` 或 `.3gp`，见格式说明。
最后的办法：重新录制播放声音。 实在无法导出时，可以用扬声器播放，再用另一台设备录音，但这会额外录入环境噪声与回声，通常不如直接获取原文件。
支持的格式，包括 AMR
语音留言常用的格式比普通音频更集中。以下列出常见来源；实际文件需能正常解码。
| 格式 | 常见来源 | 是否支持 |
|---|---|---|
| .m4a | iPhone 电话应用分享 | 支持 |
| .mp3 | Google Voice 下载、运营商邮件附件 | 支持 |
| .wav | 运营商或企业电话系统邮件附件 | 支持 |
| .amr、.3gp | Android 留言或通话录音应用 | 支持，无需预先转换 |
| .aac、.ogg、.opus | 通信应用及转发音频 | 支持 |
| .aiff、.caf | macOS 录音 | 支持 |
| .mp4、.mov | 播放留言时的屏幕录制 | 支持，使用其中的音轨 |
AMR 值得特别留意。 它长期用于手机语音和通话录音，部分网页工具却要求先转 MP3。这不仅增加步骤，还可能再次有损压缩。TranscribeNext 可直接接收 `.amr`、`.amr-wb`、`.3gp` 和 `.3g2`。完整支持范围请查看格式页面，不必为了改变扩展名而反复转码。
电话音质会降低准确率吗？一次对照测试
“录音听起来不太好，还能转写吗？”与其只给一个百分比，我们做了对照。
将一段清晰的 44.1 kHz 立体声留言，制作成单声道、8 kHz、300–3400 Hz 频段、μ-law 编码的副本，再用同一引擎和设置处理两个版本。
| 项目 | 原始高质量音频 | 模拟电话音频 |
|---|---|---|
| 音频 | 立体声，44.1 kHz | 单声道，8 kHz，μ-law，300–3400 Hz |
| 识别文字 | 逐词完全一致 | |
| 返回片段 | 7 | 3 |
| 处理耗时 | 16.16 秒音频的记录耗时为 4.65 秒 | |
这次测试中，电话频段限制没有改变识别出的词。 改变的是分段：较短的句子被组合成更长的块。频率过滤可能影响边界线索，但本测试并未单独验证分段变化的原因。
这只是一个样本，不是完整基准。它能说明：电话带宽本身不是所有错误的充分解释。 更常见的问题来自说话人的录制环境，见下文。
运营商与 iPhone 内置转写
手动上传前，可以先检查留言是否已经带有可用文本。
运营商服务。 某些运营商将转写作为可视语音信箱的附加功能，可能收费。支持范围、价格和质量取决于国家或地区、套餐及运营商，应以官方说明为准。有时问题不在价格，而在于缺少标点或号码识别错误。
iPhone 的两种功能。 “实时语音留言”是在对方留言时于设备上显示转写，便于决定是否接听；是否可用取决于语言和地区。“语音留言”列表中已有消息的转写则依赖对应的可视语音信箱服务。两者不能混为一谈，也不能默认在中国大陆可用。
Google Voice。 在受支持的地区与账号中，它可以转写留言并下载音频。已有用户可将其作为第一版文本，保留 `.mp3`，姓名有误时再用其他工具核对。
内置转写不够准确、需要导出文档，或不支持留言语言时，再考虑专门工具。
语音留言转写工具对比
以下竞品资料来自原文 2026 年 7 月的调查，是历史记录，不保证当前条款不变。
| 工具 | 免费方式 | AMR／3GP | 可听示例 | 导出 |
|---|---|---|---|---|
| TranscribeNext | 免注册前 5 分钟；Free 每天 3 个文件，每个最多 50 MB | 直接支持 | 本页提供 | Free：TXT、MD、JSON；其他格式依套餐权限 |
| AudioScribe | 原文记录：免注册 5 分钟，注册后文件最长 25 分钟 | 原文记录为不支持 AMR | 原文未发现 | 原文记录付费账号提供 TXT、SRT、VTT |
| Ticnote | 原文记录：最多 50 MB，更大文件需注册 | 未公布 | 原文未发现 | 工具页未明确列出 |
| 运营商附加服务 | 可能收费，依运营商而定 | 在服务内部处理，不适用上传格式比较 | 通常没有 | 应用内文字 |
| Google Voice | 取决于受支持的账号和服务 | 服务内部处理 | 通常没有 | 可下载 .mp3 音频 |
我们的免费五分钟预览通常足以覆盖短留言，但不是无限免费转写。此外，Word 与 PDF 导出需要付费权限。Free 提供 TXT、Markdown 和 JSON，适合阅读、检索和复制，不等于免费生成所有格式。
如何翻译语音留言
分开处理，更容易发现错误来自哪一步。
1. 先按录音原语言转写。 短留言的语言线索较少，知道语言时可手动选择。语言判断错误可能产生看似流畅、实际不对应录音的文本。
2. 回听姓名和数字。 翻译工具无法恢复识别错的电话号码，一位错误数字很可能原样进入译文。
3. 再翻译校对后的文字。 这样输入更可靠，也能区分识别与翻译问题。
同一留言中切换语言较难处理。自动检测或固定单一语言都不一定解决所有情况；可指定主要语言，并特别核对另一种语言的片段。
一定要安装应用吗？
已有文件、偶尔处理时，用浏览器即可，不必为一条留言安装专门应用。
两种情况值得考虑应用：一是批量自动处理新留言，这需要运营商或软件明确支持，不能假设普通上传工具会自动读取语音信箱；二是敏感内容需留在设备上，例如客户、人事或医疗相关沟通。TranscribeNext for Mac的本地转写流程可避免上传音频，但仍需检查是否启用了额外云端功能。
哪些地方容易出错？
对照测试说明电话带宽未必是最大障碍。更应留意：
这些问题在音频到达您手中前就已存在。任何工具都不能保证恢复车内含糊说出的号码。包括我们的转写在内，姓名和数字都值得回听检查。
测试方法与结果
日期：2026 年 7 月 27 日
原始音频：Sample_Me 的“Woman Leaving a Phone Message”，在 Freesound 以 CC0 1.0 公有领域贡献方式发布，约 16.1 秒，原始为 44.1 kHz 立体声。
电话模拟副本：使用 ffmpeg 转为单声道，重采样至 8 kHz，过滤至 300–3400 Hz，以 μ-law 编码后制作网页播放版本。播放器使用该副本，转写对应您听到的音频。
引擎：TranscribeNext 生产处理流程，Whisper large，英语，关闭说话人区分，默认配置。两版设置相同。
结果：逐词一致。原版 7 个片段，电话副本 3 个。16.16 秒音频的记录耗时为 4.65 秒。
展示方式：未经编辑的系统输出。每行起止时间来自片段时间戳；逐词高亮在行内插值计算，不是独立测得的逐词对齐时间。
这只是一个示例，不是完整基准。公开音频是为了让您直接核对。
原文最后核验：2026 年 7 月 27 日
常见问题
如何把语音留言转为文字？ 保存音频文件并上传。iPhone、Android 和运营商的具体导出入口各不相同；支持邮件附件的服务也可直接下载音频。
可以免费处理吗？ TranscribeNext 可免注册转写前 5 分钟。Free 账号每天 3 个文件，每个最多 50 MB，可导出 TXT、Markdown 和 JSON；Word、PDF 等需付费权限。
电话音质是否一定更差？ 不一定。本文样本模拟为 8 kHz、μ-law、300–3400 Hz 后，文字与原版一致，但分段不同。这不保证所有电话录音都能如此。
支持 Android 的 AMR 吗？ 支持可正常解码的 AMR、AMR-WB、3GP 和 3G2 等文件，无需预先转换为 MP3。
可以翻译留言吗？ 先转写原语言，核对姓名号码，再翻译修正后的文本。
运营商或 iPhone 已经能转写吗？ 部分配置可以，取决于地区、运营商、语言和套餐。实时语音留言与已保存留言的转写是不同功能。
是否需要应用？ 偶尔上传一个文件，用浏览器即可。自动处理或严格本地处理需要支持相应流程的工具。
准确率是多少？ 无统一值。噪声、姓名、快速数字和重叠声音都会影响结果，关键内容需要回听。
是否有权转写？ 请确认录音处理、上传、存储与分享的授权及适用要求。收到一条留言不意味着可以任意公开它。
文件能有多长？ Free：50 MB、2 小时，仅转写前 5 分钟；Plus：2 GB、5 小时；Premium：5 GB、8 小时。一般留言远短于这些上限。
来源
相关指南：在 Word 中转写音频 · M4A 转文字 · 快速转写音频 · 访谈转写技巧。
开始转写您的留言
保存音频后，通过页面上的上传入口提交。前 5 分钟免费且无需账号，通常可覆盖一条短留言。不希望上传音频时，可以查看 TranscribeNext for Mac的本地处理方式。