隆重推出 Eleven v4，这是我们迄今为止最具情感表现力的模型。

探索跳至内容登录注册联系销售登录

自动语音识别 将 Zoom 会议音频转换为团队可用的文本，无需手动记笔记。借助实时语音转文本系统，您的组织可以提供实时转写，为难以跟上口头对话的员工或听障人士提供支持。

过去三年里，实时语音转文本（STT）技术取得了长足进步，Zoom 的内置工具也在不断迭代，以降低 词错误率 （WER）。但对于寻求低延迟替代方案的团队，专业 语音转文本 而通过 ElevenLabs 等平台提供的工具，则可实现更低的 WER。

本指南介绍如何使用内置工具和第三方解决方案转写 Zoom 会议。它详细拆解了原生选项、不同方法的操作步骤、存储在云端的录制文件的处理流程，以及如何为更复杂的用例创建自定义管线。

Zoom supports 46 live-translation languages but only 19 post-meeting transcript languages. This may not be enough languages to transcribe a zoom meeting for international companies

摘要

  • AI 驱动的转写支持 90 多种语言和口音，可实现跨国团队的实时协作。
  • 工作人员可以使用内置工具或第三方方案，在 Zoom 会议进行时或存储音频后进行转写。
  • Zoom 的实时字幕在各版本中均免费，但大多数其他内置转写功能需要付费的 Workplace 账户。
  • 开发者使用 ElevenAPI WebSockets 构建自定义应用，从而实现实时转写的低延迟。

如何转写 Zoom 会议

转写 Zoom 会议可将口头语言转换为带时间戳和说话人标签的可搜索文本。功能强大的转写工具还能处理并兼顾转写稿中的语音重叠和噪声干扰，例如火警声或电话铃声。

组织利用这些转写稿中的信息生成会议报告、更新知识数据库，或为新员工创建培训项目。普通员工也会检索转写稿以获取关键信息，例如确认某个重要项目的截止日期，或了解他们错过的会议上的最终决定。

三种主要的转写方法包括：

  • 实时转写：内置工具可在通话过程中生成实时字幕，但云存储和可下载的云端录制转写稿等功能需要付费账户。
  • 会后转写：原生或第三方工具可以从云端存储或已下载的音频文件生成转写稿。
  • 自定义 API 管线：定制化解决方案让开发者拥有完全控制权，从而能够将实时通话音频直接流式传输到使用这些数据的软件应用中。

在评估最佳的会议转写应用时，你的预算、现有工具和技术要求都会影响你的选择。在查看各种可用选项时，请牢记这些优先事项。

Three Zoom transcription methods: real-time, post-meeting, and custom API pipelines.

如何在 Zoom 中启用转写

Zoom 提供实时转写和自动隐藏式字幕作为内置解决方案。实时字幕在通话期间显示，而付费账户可以将完整的会议转写稿直接发送到“My Notes”。通话结束后，他们可以使用这些笔记创建报告和自动摘要。

实时隐藏式字幕

在 Zoom Workplace 会议中启用转写需要管理员凭据。操作如下： 在 Zoom Workplace 中启用转写 会议。 

操作如下：

  1. 登录 Zoom 网页门户。
  2. 转到账户管理，然后点击账户设置。
  3. 导航到“会议”选项卡，然后滚动到“会议中（高级）”。 
  4. 将自动字幕切换为“已启用”。
  5. 点击“录制”选项卡并开启云录制。
  6. 勾选“创建音频转写稿”复选框，即可在会议结束后自动生成包含转写稿的文本文件。
Six-step guide to enable Zoom live captions and downloadable audio transcripts to transcribe zoom meetings,

使用 Zoom 的 AI 进行实时转写

Zoom AI Companion 可以快速翻译 46 种语言并实时转写。使用以下快速简便的步骤即可完成设置：使用管理员凭据访问 Zoom 网页门户。为以下对象启用或禁用：账户中的所有用户，方法是前往管理中心并点击设置以进行相应更改。特定用户，方法是前往管理中心并点击用户，然后点击群组。你的个人账户，在设置下操作。点击 Zoom AI 并配置你想要使用的转写功能。如何 Zoom AI Companion 可以快速翻译46种语言并实时转写。使用以下快速简便的步骤即可完成设置：

  1. 使用管理员凭据访问 Zoom 网页门户。
  2. 为以下对象启用或禁用：
    1. 账户中的所有用户，方法是前往管理中心并点击设置以进行相应更改。 
    2. 特定用户，方法是前往管理中心并点击用户，然后点击群组。
    3. 你的个人账户，在设置下操作。
  4. 点击 Zoom AI 并配置你想要使用的转写功能。

会议结束后如何转写 Zoom 录音

会议结束后，你可以通过转换 Zoom 保存到云端的音频来保存转写稿。

两种常见方案包括使用 Zoom 原生云存储导出功能处理现有录音，或将保存的音频文件上传至 ElevenLabs 等 AI 平台。 

Zoom 原生云录制导出

Zoom Workplace 在转写会议内容时，不会将音频发送到 Zoom 平台之外，也不会使用第三方机器人。该平台还使用说话人分离技术来自动识别和标记发言人，即使是在参与人数较多的通话中，也能生成结构化的转写稿。

Zoom 云录制会在通话结束后自动生成可下载的转写稿文件。文件可用时间从会议结束后立即提供到 24 小时内不等。付费账户用户还可以直接通过门户访问带时间戳的文本文件。

按照以下步骤下载 Zoom 会议转写稿文件：

  1. 使用你的账户凭据登录 Zoom 网页门户。
  2. 在左侧导航菜单中找到“录制”选项。
  3. 选择你想要为其生成转写稿的特定会议。
  4. 点击音频转写稿文件旁边的“下载”。
  5. 将 VTT 文档保存到你选择的位置。

请注意，如果你点击了“ 保存转写稿 在实时会议期间，Zoom 不会将内容录制到云端，而是会在你的电脑上保存一个文本文件。可通过 Documents/Zoom 路径找到它。

Five steps to download a Zoom transcript; locally saved transcripts are in Documents/Zoom.

ElevenAPI 自动化批量转写 

Zoom 会议支持 46 种语言，但 会后转写仅支持 19 种语言。 用于会后转写稿。这无法覆盖所有海外或跨国团队的语言需求。 

出于这些及其他原因，开发者和产品团队选择 ElevenAPI 即可获得覆盖 90 多种语言的快速、准确的转写服务。我们的 Scribe v2 模型处理音频并生成 时间戳 在词级别进行，并保留说话人归属。

按照以下步骤通过 ElevenAPI 处理来自云端的音频：

  1. 在你的云存储（或本地文件夹）中找到 MP4 或 M4A 文件。
  2. 将音频录音添加到 ElevenCreative 或直接将其发送到 ElevenAPI Scribe 端点。
  3. 以你偏好的格式下载带说话人标签和时间戳的文本，例如 TXT、DOCX、PDF 或 JSON。

使用 ElevenAPI 构建 Zoom 实时转写

对于使用场景更复杂或需要定制自动化解决方案的开发者，他们更倾向于使用 ElevenAPI 等第三方解决方案。我们的平台提供两种不同的流式架构，用于将实时转写集成到自定义应用中。

WebSockets，因此哪一种适合你取决于你的使用场景和安全需求。 WebSockets，因此哪一种适合你取决于你的使用场景和安全需求。

Transcribe a zoom meeting with client- and server-side ElevenLabs streaming, with microphone access as the deciding factor.

客户端流式传输

顾名思义，你需要在客户端实现此解决方案来转写音频。 客户端流式传输 直接从麦克风或通过浏览器中的虚拟音频设备捕获声音。内置安全措施可保护你的数据，防止前端代码中的 API 密钥泄露。例如，你的后端服务器会为客户端连接生成临时的一次性令牌，这些令牌会在 15 分钟后自动过期。

使用以下步骤设置客户端流式传输：

  1. 从你的后端服务器请求一个一次性令牌。
  2. 将一次性令牌传递给官方 React 或 JavaScript SDK。
  3. 建立 WebSocket 连接，并将麦克风音频直接发送到 API。

服务器端流式传输

在这种情况下，你在服务器端实现该解决方案来转写音频。 服务器端流式传输 从你的会议流、URL 或文件中提取音频。它与客户端流式传输的不同之处在于，你使用的是 ElevenLabs API 密钥而非临时密钥，并且无需手动对来自 URL 的音频进行分块。

使用以下步骤设置服务器端流式传输：

  1. 配置你的会议机器人或后端服务器，以捕获 Zoom 通话的音频流或其 URL。
  2. 使用 Python 或 TypeScript SDK，通过你的主 API 密钥建立 WebSocket 连接。
  3. 使用 ffmpeg 集成将你的实时音频流式传输，或将媒体 URL 传递给 Scribe Realtime 端点。
  4. 将转写稿部署到你的各个系统中，用于更新 CRM、知识库和通话后 webhook 等用例。

何时选择客户端流式传输而非服务器端流式传输

对于桌面工具或浏览器内会议，如果活跃用户可以手动授予麦克风权限，请选择客户端流式传输。对于全自动化功能，例如无人值守的会议机器人和直接集成，请改用服务器端流式传输。 集成服务器端流式传输还消除了在捕获音频和摄取转写稿时需要活跃浏览器会话的需求。

为什么 AI 驱动的转写适用于全球团队

分布式团队在跨文化、跨语言和跨时区协作时面临独特挑战。AI 驱动的语音识别通过将通话音频转换为结构化且可搜索的内容，让所有人保持信息同步。参与者在通话过程中借此跟上进度，而授权人员则可在会后回顾会议记录。

以下是一些 AI 驱动的转写为全球团队带来益处的实例：

  • 多语言语码转换：即使人们在同一次通话中使用不同语言或多种语言，也能准确转写
  • 带口音语音识别：理解非标准发音和地区口音
  • 异步知识共享：生成文本文档，帮助队友在会议时间与本地时间不便时获取笔记和摘要
  • 多方说话人分离：从而准确记录谁说了什么，便于明确责任归属
  • 灵活的工作流集成：将转写稿导出为数据库和其他系统能够理解并摄取的各种格式

在寻找转写解决方案时，请将这些功能视为标准，但要注意，即使在 AI 驱动的选项中，也并非所有 Zoom 转写稿生成器 兑现这些承诺。在做出决定之前，请检查产品规格和基准测试，以便确保你选择的解决方案能够满足你的业务需求或法规标准。

开始使用 ElevenAPI，获得快速、准确的转写稿

如果你和大多数使用 AI 与会议转写的开发者一样，你希望获得业界领先的准确度，以及能够真正按需定制的工具。ElevenAPI 让你能够以编程方式访问我们先进的语音识别模型，从而构建符合你期望自动化程度的转写管线。 

我们的 Scribe v2 模型为 ElevenAPI 提供支持，使其能够实现最多 32 位参与者的说话人分离。无论你需要会后批处理，还是通过 WebSockets 进行实时流式传输所需的低延迟，只需几个简单步骤即可设置我们快速且安全的语音转文字解决方案：

  1. 登录你的 ElevenLabs 账户。
  2. 点击侧边栏中的“开发者”，然后导航到“API 密钥”标签页以生成新密钥。
  3. 请安全存储你的 API 密钥，例如将其放在 .env 文件中，以保护你的凭据免于在前端暴露。
  4. 使用 pip install elevenlabs 或 npm install @elevenlabs/elevenlabs-js 将官方 Python 或 TypeScript SDK 添加到你的开发环境中。
  5. 对于录制的音频文件，调用 Scribe v2 端点；对于实时通话音频，连接 Scribe Realtime v2 WebSocket。

你可以在 ElevenLabs API 文档中找到更详细的说明，或注册获取 API 密钥并开始构建。 ElevenLabs API 文档 或 注册获取你的 API 密钥 并开始构建。

关于转写 Zoom 会议的常见问题

Zoom 内置了转写工具，例如实时隐藏字幕和实时通话转写。或者，你可以下载 Zoom 在通话结束后生成的 VTT 转写稿。这些转写稿的处理时间可能有所不同，从通话结束后一小时可用，到服务器负载高峰时最长 24 小时不等。部分付费套餐还提供 Zoom AI Companion，用于创建会议摘要。最后，还可以考虑第三方和自定义 API 方案，例如 ElevenAPI。

Zoom 即使对免费账户也提供自动实时转写，但若要使用更多功能，则需要付费的 Zoom Workplace 套餐。例如，不受限制的转写分钟数仅随 Zoom Workplace 和 AI Companion 套餐提供。 

在免费账户上，主持人和经主持人批准的参与者可以在实时会议期间手动选择保存转写稿，并在自己的设备上获得纯文本副本。或者，像 ElevenAPI 这样的自定义 API 解决方案无需付费的 Zoom 转写即可转写会议。

ChatGPT 不会加入你的 Zoom 会议并替你转写笔记。不过，你可以用它来转写已经从 Zoom 保存并下载的音频。这个 OpenAI 聊天机器人可以分析内容以执行额外任务，例如创建摘要或列出会议中的行动项。然而，与自定义 API 解决方案或 Zoom 原生转写工具相比，这一转写和分析过程更为手动化。

你可以使用实时隐藏字幕进行实时观看，或启用云端录制转写，在通话结束时获取可下载的文件。如果你需要永久可下载的记录、具名说话人归属、用于合规或分享的文档，或自动化 AI 摘要，请选择实时通话转写。如果你只是想在会议期间获得实时无障碍体验，并且不需要（或不被允许）存储会议的永久转写稿，那么实时隐藏字幕就足够了。

作者

Man smiling, wearing a checkered shirt against a plain background.

增长营销查看个人资料Jack Limebear 是增长团队成员，担任博客和洞察页面的内容撰稿人和策略师。在加入 ElevenLabs 之前，他花了十多年时间为从快速增长的 SaaS 初创公司到财富 500 强企业等各类组织主导内容战略。他拥有剑桥大学英国文学硕士学位。类似文章什么是说话人分离？其工作原理和用例类别资源日期2026年8月25日实时语音转

增长营销

查看个人资料

Jack Limebear 是增长团队成员，担任博客和洞察页面的内容撰稿人和策略师。在加入 ElevenLabs 之前，他花了十多年时间为从快速增长的 SaaS 初创公司到财富 500 强企业等各类组织主导内容战略。他拥有剑桥大学英国文学硕士学位。

    类似文章

    以最高质量的 AI 音频创建

    联系销售注册