跳过主要内容

问答 · 难转的录音

嘈杂的录音怎么转文字才准?

上传原始录音,不要上传强力降噪后的版本;自己选好语言,上传前填好人名和术语。风扇、车流这种持续噪音一般没问题,音乐、旁边有人聊天和回声才容易出错。下次录音时,麦克风尽量靠近说话的人,最好一人一个麦克风。

用你自己的文件试试

每天免费 3 个文件,每个最长 30 分钟。带说话人标签、时间戳,可导出 Word、SRT 和 NVivo 格式。

把音频或视频拖到这里

MP3、MP4、M4A、WAV、MOV、WEBM、OGG · 最长 5 小时

为什么降噪可能更差

降噪是把声音「抹平」让人听着舒服,但这一抹也会抹掉语音识别用来区分相近字词的细节。强力降噪,或者一些 App 里的「人声隔离」,可能让准确率下降。

先用原始文件试。效果不好再试轻度降噪的版本,比较同一段的文字,留下文字更准的那个,而不是听起来更好的那个。

噪音也分好坏

空调、车流的嗡嗡声、汽车发动机这类持续噪音最好处理,人声在里面很突出。

背景里别人说话、带歌词的音乐、碗碟碰撞声、空旷大房间里的回声更难,它们和人声挤在同一个频段。

距离最关键。同样在咖啡馆,离手机一米说话比离 20 厘米难得多。

详细说明

麦克风靠近

把距离缩短一半,比任何软件都管用。手机放在说话人旁边,胜过放在房间另一头的笔记本电脑。

能分轨就分轨

领夹麦、播客录音机,或能把每个人分开录的通话软件,每个声音都有一条干净的轨道。

手动选语言

开头的噪音可能让自动识别判断错语言,自己选就没这个风险。

用好术语框

嘈杂录音里,少见的人名最先出错。提前填好能给模型提示,并纠正相近的错拼。

会缺字,不会乱编

听不清的字可能直接缺失。引用前对着音频核对。

操作步骤

  1. 上传原始文件

    用手机或录音笔里原样导出的录音。

  2. 设语言和术语

    选好说话的语言,把人名、地名和行话填进术语框。

  3. 找出薄弱处

    通读一遍,记下读不通的句子,通常就是噪音最大的地方。

  4. 重听并修改

    点这些句子播放,调到 0.75 倍速,在原处改正。

常见错误

  • 上传前反复降噪好几遍。
  • 有小房间可用,却在空旷、有回声的大房间里录。
  • 想要转写的录音底下垫了背景音乐。
  • 为了省空间转成很低的码率。直接传原文件就行,视频和大文件会先在浏览器里压成音频。

大家还会问

上传前要先降噪吗?

一般不用。先试原始文件。强力降噪常常让文字更差,哪怕听起来更清楚。如果要降噪,用同一段对比两种结果。

吵闹餐厅里的录音能转吗?

说话人离手机近的话,多数能转。旁边桌很吵或说话人转过头的地方,错误会多一些。

说话大声一点有用吗?

说清楚、离麦克风近,比大声更有用。很多手机麦克风在喊叫时会失真。

付费前能先试吗?

能。免费版每天 3 个文件、每个最长 30 分钟,买时长前可以先拿嘈杂文件试一下。

相关问题