带有时间戳记的音频转文字稿
学习如何将音讯转成带有时间戳记和讲者标签的文字，然后检视结果并汇出成 TXT、SRT 或 VTT。
音频转文字稿 — 本指南说明汇出前重要的工作流程、交换、限制与检查。
一份有用的逐字稿不仅仅是一组文字。时间戳帮助人们回到原始录音，喇叭标签则标示谁说了什么。它们共同让访谈、会议、播客、研究录音和影片说明更容易被检视和重复使用。
自动转录可以创造强而有力的初稿，但人工审核仍然很重要——尤其当录音包含噪音、口音、特殊词汇或重叠语音时。
经验笔记： 新增单人叙述、双人访谈及多人会议的书面Recapo范例。注意语言、时长、音讯状况、输出格式及评论结果。
在转录前先设置音讯
逐字稿的品质从录音开始。上传前：
- 如果可能，请使用原始档案;
- 聆听遗失或损坏的零件;
- 辨识口语;
- 记录预期讲者与专业术语;
- 确认您已获授权处理录音;
- 减少可避免的背景噪音，而不是事后再清理。
清晰且近距离的语音通常比在共鸣房间里的语音更容易辨识。重叠的喇叭非常困难，因为多个声音同时填满同一时刻。
如何将音讯转录成文字
1. 上传官方音讯档
在确认支援的档案语言、格式及限制后，](/zh/tools/audio-to-text/)使用本地化Recapo音讯转录工具。
在发布前，在每个本地化产品页面都直接验证后，请将「计划中」替换。
2. 选择正确的语言
选择录音中使用的语言。如果音讯经常切换语言，请检视工具如何处理多语言语音，并预期会有额外的手动修正。
3. 启用时间戳记与喇叭侦测（如有）
每个段落、句子或说明提示都可以显示时间戳记。喇叭侦测可以标记声音为喇叭1、喇叭2，依此类推。这些标签仍需人工验证，因为系统可以合并两个说话者，或将一个人分成多个标签。
4. 聆听时复习
不要分开复习文本。播放音讯并检查：
- 名称与组织;
- 数字、日期与价格;
- 产业术语与缩写;
- 刑期上限;
- 议长更换;
- 中断期间说的话;
- 部分标记为不确定。
先校对高影响力细节，能让逐字稿更安全且易于重复使用。
5. 汇出正确的格式
根据下一个任务选择输出：
- TXT： 简单的逐字稿，可编辑而无需字幕结构。
- SRT： 一个广泛使用的字幕提示，带有序列号和时间戳记。
- VTT： 以网页为中心的时间文字格式，也能携带提示设定和元资料。
WebVTT W3C规范定义了网页影片文字轨格式，用于时间对齐的文字，如字幕、字幕及相关元资料。
时间戳应该有多准确？
时间戳的确切频率取决于逐字稿的使用方式。
- 研究与回顾： 段落层级的时间戳记或说话者切换可能足够。
- 影片文字： 指示需要更贴近口语内容。
- 验证引用： 时间戳应该能让原句更容易被找到。
- 编辑备注： 时间戳记可以标记需要剪接的段落、图表或 B 卷轴。
时间戳记过多会让朗读的文字记录变得杂乱。太少会让长时间录音变得困难。
如何审查喇叭标签
在制作全局替换前，先制作一张简单的讲者地图：
| 自动标示 | 已验证人员 | 角色 | 注释 |
|---|---|---|---|
| 讲者1 | [姓名] | 主持人 | 开启录音 |
| 讲者2 | [姓名] | 来宾 | 较安静的麦克风 |
| 第三位讲者 | [姓名] | 调节器 | 出现时间为中午12：30之后。 |
聆听每一个重要的讲者转换。不要假设所有标签在重复演讲或长时间沉默后都保持一致。
转录错误的常见原因
背景音与回声
噪音会掩盖子音，而房间回音则会模糊词汇界线。麦克风较近且环境安静，通常比录音后的激烈修正更有帮助。
重叠语音
当两个人同时说话时，转录和说话者分离的可靠性会降低。不确定的部分请标记给人工审核。
自订名称与词汇
性质名词在通用语言模型中可能不常见。准备拼字清单并检查每次出现的情况。
混合语言
语言变化会影响辨识和标点符号。确认单一语言或多语言的工作流程是否符合纪录。
原始码档案品质不佳
削波、极低音量、缺失声道以及高度压缩的音讯，都可能消除无法被转录系统完全还原的资讯。
品质管控工作流程
使用两条轨道：
- 传递内容： 正确含义、姓名、数字、专业术语及发言者身份。
- 处理后的呈现： 标点符号、段落、大小写、提示长度及正确格式。
对于敏感访谈、法律资料、健康对话或财务决策，请使用合格的审核者并遵守相关隐私要求。自动化输出不应成为高风险决策的唯一依据。
常见问题
自动转录能辨识每一位说话者吗？
它可以提示喇叭标签，但重叠的声音、相似的声音以及音讯条件的变化都可能导致错误。请手动核对标签。
我应该SRT还是VTT？
请根据出版环境选择。SRT常见于剪辑和影片平台;VTT设计用于有限时间的网页文字。确认目的地要求。
我可以转录影片而不是音讯吗？
是的，当工作流程支援影片输入时。使用本地影片转录流程;审查流程类似，影片也能提供切换说话者的视觉背景。
成绩单会自动准备好发表吗？
没有。请检查讲者姓名、编号、特殊术语、时间戳记及标签。出版品质的说明文字也可能要求检查行长与阅读速度。
我该怎么处理这段秘密录音？
上传前请确认服务的隐私、保留及删除行为。不要依赖未经证实的行销假设或说法。
将纪录转化为有用的工作文件
当输出设计为下一步时，转录能节省最多时间。新增时间戳记以支援导航、验证喇叭标签、检视高影响力音讯细节，以及汇出符合最终工作流程的格式。
CTA： 上传你被授权处理的音讯档案，然后汇出并以所需格式检视逐字稿。
参考资料
