上传音频，转成可以编辑的文字

分别听开头、中间和结尾，在工作表记下时长、文件大小和说话语言。可去掉开头空白，必要时导出 WAV、MP3 等常见音频。本指南建议先准备不超过 10 MiB（10,485,760 字节）的有效小音频，方便开始；这不是所有 ModelRush 路线的上限。直接向 /v1/audio/transcriptions 发送 multipart 文件时，上限才是 10 MiB。浏览器 Playground 当前音频上传上限为 30 MiB（31,457,280 字节），请按上传器显示的限制操作。JSON 请求中的远程音频链接属于另一条路线，须符合所选模型和处理服务要求，不套用 multipart 的 10 MiB 检查。未压缩 WAV 即使讲话时间不长，也可能很大。不要把视频或其他格式改个 .mp3 后缀就当成转换。保留原件，后面才能核对漏字。

下面的入口会选择 Qwen3 ASR Flash Filetrans。你可以在语音转文字工具选音频，或提供能访问的 HTTPS 音频链接。网盘预览页不等于音频文件本身。使用链接时，要确保处理结束前链接不会失效。提交后任务可能还在处理；没有马上出字时，先等状态更新，不要重复创建任务。

本指南沿用文件转写的默认自动识别。不要把界面上的语言选项当成一定会改变任务的保证。混合语言录音尤其需要听回核对，选择一个语言不代表识别一定准确。

2026 年 10 月 9 日核对的公开价为每个计费音频秒 $0.000039。按这个参考价，60 秒是 $0.00234，300 秒是 $0.0117。这只是算术例子，不是你的账户最终扣款。当前流程没有传入时长时，先按 600 秒预留余额；参考价乘出 $0.0234，再向上取整到美分，对应 $0.03 的临时预留。因此短录音也可能需要比预计最终费用更多的可用余额。以账户当前金额为准，任务完成后再核结算。参考：https://modelrush.ai/models/qwen3-asr-flash-filetrans 和 https://modelrush.ai/pricing。

把返回文字复制到自己的编辑器，保留一份原始版和一份修正版。逐个听回姓名、数字、日期、否定词和专业词。听不清的地方，用你自己记录的时间位置标出来。确认首句和末句都在，停顿处没有被补成原录音没有的句子。普通文字结果不能当成自动分辨说话人或逐字时间轴的保证。

下载工作表，记下改了哪里以及依据。原录音确实听不清时，保留“不确定”比补词更可靠。反复付费重跑同一份嘈杂录音，不能替代人工听回或更清楚的录音。

这条转写路线每个完成任务的正数最终费用也向上取整到美分。如果返回用量恰为 60 秒或 300 秒，并适用参考价，最终费用分别为 $0.01 或 $0.02；初始 $0.03 预留仍是另一个金额。

打开本指南的工具入口，登录或注册。确认所选模型、输入、当前价格和可用余额。余额不足时，使用账户实际显示的充值选项。单次任务估算不等于最低充值金额。由你主动确认付费运行。完成后先核对任务状态和最终扣费，再决定是否重试。本指南没有进行真实生成测试，也不承诺免费使用。

不会。本指南只讲转成文字。翻译是另一项任务，也要单独校对。

这套步骤使用音频文件。先提取音轨，改文件后缀不等于转换格式。

当前默认先按 600 秒预留，并把正数预留金额向上取整到美分。最终按用量结算的金额是另一个数字。

本指南只依赖返回文字，不承诺自动识别人名、导出字幕或准确的逐字时间。

先分清路线：API 直接 multipart 文件上限 10 MiB；浏览器音频上传当前为 30 MiB，以上传器显示为准。远程链接须符合模型和处理服务要求。需要时导出有效小文件或合理分段，保留分段清单供合并校对。