AI 怎么把录音转成带时间戳的逐字稿
会议和访谈要引用原话,光有摘要不够。讲清音频怎么准备、时间戳和说话人怎么标,以及转完怎么校对才不至于把意思弄反。
会议、访谈、课程录音转成文字,摘要工具给的是要点;真要引用原话、要核对谁说了什么,还得靠逐字稿。带时间戳的逐字稿能对上音频位置,改稿和引用都方便。
入口在哪
- 在线转写服务。上传音频,网页里直接出文字和时间戳,适合一次性的短录音。
- 会议软件自带的转写。录制结束后在录制列表里生成,好处是不用另外上传,限制是只能在软件内使用。
- 本地运行的模型。音频不出本机,适合访谈、内部会议这类不方便外传的内容,代价是要自己装环境。
- 手机自带的语音备忘录。部分系统能直接出文字,长录音容易截断,只适合随手记。
具体步骤
- 先把音频导成通用格式,wav 或 m4a 都行。双声道要确认左右都有声,只录到一边的先修好再转。
- 文件按日期和对象命名,比如 20261119-访谈-张工,转完一堆同名文件很难找。
- 上传或本地运行。语言手动指定,不要让工具自己猜,中英混说的内容尤其容易猜错。
- 打开说话人分离。两人以上对话必须开,否则整篇文字分不清谁在说。
- 导出时选带时间戳的格式:要配字幕导 srt,只要文字导 txt。
- 逐段对照原音校对,重点看人名、数字、专有名词和否定句。
几个坑
- 录音质量比模型更重要。手机放在桌上、离说话人两米,转出来的错字会成倍增加。
- 多个人同时说话。重叠的部分基本转不出来,重要结论最好让对方复述一遍。
- 时间戳整体偏移。音频被剪过、开头留了空白的,时间戳会对不上,需要先在工具里裁掉空白。
- 专业词被写成近音词。产品名、岗位名、缩写最容易错,提前加自定义词表能省很多事。
- 敏感录音传到公有云。内部会议、客户访谈上传前先确认服务条款,不确定就走本地模型。
- 把转写结果直接当定稿。机器转写只解决听打,语义还得人来判断,尤其是反问和反话。
怎么验证
- 随机抽三段边听边看,错字率能接受再往下校全文。
- 看时间戳是否连续:正常应该单调递增,出现大段跳跃说明有片段漏转。
- 数字单独核一遍,金额、日期、电话号码错一个就废了。
- 导出的 srt 拖进播放器,看字幕和声音对不对得上,对不上就是时间轴问题。
常见问题
录音很长会不会被截断
在线服务常有单文件的时长或体积上限,超过就分段上传。分段时每段留一点重叠,避免正好切断句子。
时间戳和音频对不上怎么办
先确认音频有没有被剪过。剪过的话时间戳是从剪辑后的文件算的,把同一份文件喂给转写工具,不要拿原始录音去对。
能不能直接导成表格
可以,但要在转写后自己做一步整理:按段落切分,把说话人、时间、内容拆成三列。直接导出的通常是纯文本或字幕格式。
一句话总结:逐字稿的质量七成取决于录音本身,转写工具只负责听打,人名、数字和否定句必须人工过一遍。