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
上传原始文件
用手机或录音笔里原样导出的录音。
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。
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。
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。