Option 01
Zoom 内置
Zoom 应用内的自动转录。仅限 Zoom 付费套餐。
前置条件Zoom Pro+（$15/主持人/月）
说话人分离无（单声道下）
语言每场 1 种，偏向英语
导出仅 VTT，只在面板内
AI 摘要Zoom AI Companion（付费）
成本$15+/主持人/月
Best for已经用 Zoom Pro、只需要单一语言会议粗略文字稿的团队。
Zoom 转录。带说话人标签，支持任意语言。
上传一段 Zoom 通话录制。得到带时间戳、说话人标签的转录稿，支持 99 种语言 — 无需 Zoom 付费套餐，也无需绑定在某个面板里。
Drop a file, or pick one
MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously
Paste a link, we’ll fetch the audio
YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more
↓ 看看输出长什么样
云端录制传入， 干净转录传出。
当 Zoom 开启每位参与者独立声道录制时，我们直接借此分离说话人，无需猜测。只有单声道云端录制？声学分离会作为兜底方案。
Zoom 云端录制
自动识别为 en-US16 kHz 立体声 · 128 kbps
~90s
转录稿 · 流式生成
S1
顺便确认一下 — Marcus，供应商的 SOW 签回来了吗？
S2
签回来了，周二到的。会后我转发给你。
S1
好。第三季度预测评审 — 还是周四吗？
S2
周四下午 2 点。PPT 今早已经发出去了。
立体声云端录制 96%SRT · DOCX · TXT · JSON
↓ This is the dashboard
This is what loads when the job finishes.
Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.
Summary 5Transcript 1,420Speakers 2Exports
Founders need post-call content, not just transcripts. Tools force them to stitch 5 apps together.
Sample preview from a founder interview about post-call workflow. Real transcripts look exactly like this — same tabs, same summary block, same key-points / action-items split, same auto-tag chips.
Key points
Gap exists between raw recordings and shippable content — tools stop at transcript.
Show notes, social clips, blog drafts all expected by call's end, not next-day.
Current tooling fragmented across 5 apps — no single pipeline.
Conversion-rate signal flipped a buyer-segment assumption at week 3.
40% of original hypothesis survived — the shape held, mechanics rebuilt.
Action items
Speaker 1Investigate single-pipeline approach to replace 5-app stitch.
Speaker 2Mock how show-notes draft could flow from the transcript.
Speaker 2Pull conversion-rate by segment, Monday EOD.
Speaker 1Map the 5-app stitch & list which steps actually need a human.
三个真实可选方案 · 坦诚对比
Zoom 内置功能。Otter 或 Fireflies。 或者我们。
Zoom 在付费套餐里提供自家转录。Otter 和 Fireflies 以机器人形式驻扎在你的日历里。我们既能处理你手头已有的文件，也能在你需要实时记录时派出机器人。
Option 02
Transcription.Solutions
上传录制文件，或派出机器人。兼容任意 Zoom 套餐 — 包括免费版。
前置条件Zoom 端无需任何配置
说话人分离立体声声道分离
语言99 种，自动识别
导出SRT · VTT · DOCX · TXT · JSON
AI 摘要所有套餐免费
成本 · 每分钟$0.03
Best for用免费版 Zoom 录制、跑多语言会议，或想把转录稿从 Zoom 面板里搬出来的所有人。
Option 03
Otter / Fireflies
机器人驻扎在你的日历里。界面好看，英语优先，文件大小有硬上限。
前置条件日历 OAuth + 付费
说话人分离声学方式，按英语调优
语言非英语准确率下降
导出2 GB 上限（Fireflies）
AI 摘要仅限付费套餐
成本$17–19/用户/月
Best for只用英语、想要日历原生机器人、且从不在 Zoom 之外录制的销售团队。
定价与功能信息截至 2026 年 5 月准确。Zoom AI Companion 的可用性取决于各地区的逐步开放进度。
Zoom 专属注意事项
上常让人栽跟头的三件事。 通用转录工具
录制前先开对设置，转录结果就会干净许多。
常见问题
- 1单声道云端录制。 Zoom 默认把所有人混进一个声道。声学分离随后会把相似嗓音并成同一位说话人。
- 2两到三字母的公司缩写（PSI、DKMS、Klue）会被按发音拼写。通用 AI 不知道它们是专有名词。
- 3聊天消息里的链接、ID、行动项独立于音频存在，常常被丢失。
正确做法
- 1会议前在 Zoom 中开启为每位参与者生成独立音频文件。我们识别到逐声道文件后会直接跳过分离。
- 2在任务表单的自定义词表里粘贴团队术语。我们会作为提示传给识别器，而不是强匹配。
- 3把机器人派到实时会议（而不是录制文件）。聊天消息会按时间顺序合并进转录稿。
Zoom 推荐任务设置
上传 Zoom 文件后，下列选项默认开启。每次任务可在表单中覆盖。
- 说话人分离
- 若可用，使用逐声道
- 说话人模型
- 对话型 · 2-8 位说话人
- 语言
- 自动识别 · 多语种开启
- 口头语
- 默认去除
- 摘要
- 行动项 + 决议
- 导出
- DOCX · SRT · 带时间戳 TXT
Accuracy · real-world numbers
云端录制 96%+ 准确率。 电话拨入同样稳定。
上限由 Zoom 实际录到的内容决定。立体声逐声道云端录制是最佳情况；电话拨入的参与者掉得最快。下面的数字来自生产环境中真实客户的 Zoom 文件，不是合成基准。
96%+
逐声���云端录制
开启 Zoom 的「为每位参与者生成独立音频文件」设置。每位说话人单独成轨，跳过分离环节 — 误差只来自文本本身。
94%
立体声云端，≤3 位说话人
默认云端录制，128 kbps。立体声声道分离可可靠区分声音。多数 Zoom 通话落在这一档。
90%
单声道云端，4-6 位说话人
声学分离，相似嗓音可能被合并。预留 2 分钟手动重命名说话人标签。
87%
电话拨入参与者
8 kHz 窄带音频。文本可用，数字和专有名词偶有遗漏。我们数据中的最差情况。
常见问题
，大家常问的 8 个问题。 关于 Zoom 转录
01可以直接从 Zoom 云端录制链接拉取吗？+
不行。Zoom 云端链接需要你的 Zoom 账户登录 — 我们无法代你登录。先把 MP4 下载下来（zoom.us → Recordings → Download），再把文件拖到这里。只需 30 秒。
02机器人需要像 Otter 那样授权日历 OAuth 吗？+
不需要。你可以手动把机器人链接粘进 Zoom 邀请，或从我们的面板把机器人派到某个会议链接。我们不会读取你的日历。
03那 Zoom AI Companion 呢 — 它能转录吗？+
Zoom AI Companion 只提供摘要，并不输出带说话人标签和可导出文件的逐字稿。它也仅限 Zoom 付费套餐，且在很多企业环境中默认是关闭的。
04能处理多语言混合的国际 Zoom 通话吗？+
可以 — 自动识别会选定主导语言，识别器能在句中处理大多数语言对的代码切换。西班牙语 ↔ 英语、普通话 ↔ 英语，以及大多数印欧语言对都能干净处理。
05转录完成后录制文件会删除吗？+
会 — 任务完成 24 小时后删除。转录稿和导出文件会按你需要的时长保留在账户中。删除不可恢复，并会记录在审计日志中。
06机器人会作为参与者出现���会议中吗？+
会 — 机器人以带标签的身份像普通参与者一样加入。你可以在设置里改名（默认为「Transcription.Solutions」），在双方同意制地区还可配置自动告知。
07如果 Zoom 只存了单声道录制怎么办？+
声学分离会接手 — 我们通过声纹聚类来识别说话人。准确率不如逐声道（90% 对 96%），但仍可读。把「说话人 1/2」重命名一次后即可在全文生效。
08我只想要 SRT 用来重新上传字幕，可以吗？+
可以。每个任务都会默认生成 SRT 和 VTT。可通过 Zoom 的字幕上传功能重新上传，发布到 YouTube 时同样适用。