音频转文字：AI 自动转写，标出说话人

怎样录出适合音频转写的录音

转写的效果取决于录音本身。麦克风离说话人近一点，远离风扇和键盘；请大家轮流说话，几个人的声音叠在一起最难区分。

开会和通话时，每人一副耳麦比换个好房间更有用。先录一分钟回放听听，没问题再录完整的一场。

音频转文字时选对语言

自动识别会听文件开头来判断语言，适合大多数录音。如果说话人口音很重、第一分钟是音乐或静音，或者混合对话里以一种语言为主，就自己选择语言。

在两种语言之间来回切换的采访，选说得最多的那种语言，校对时再重点看另一种语言的段落。

快速校对录音转文字的结果

认真校对一遍，好的文字稿就能直接发布。按下面的顺序来，改得又快又准。

1. 1先改说话人名字。把说话人 1、说话人 2 换成真实姓名，每一行会同时更新。
2. 2反复出现的名字和术语，比如产品名或嘉宾的姓，用查找替换一次改完。
3. 3想核对的词点一下，就能听到那一刻的录音；双击段落直接修改。
4. 4边放录音边通读一遍；当前的词会高亮，需要改的地方一眼就能看出来。

采访、会议和讲座

采访校对时顺手标出想用的引语，发表前对照时间戳逐条核实。会议的文字稿标好了名字，很容易整理成纪要和待办事项。

讲座和课程可以打开声音事件：（笑声）和（掌声）标出讲得最打动人的地方，逐词时间戳让你在很长的讲座里也能随时找回任意一刻。

TXT、SRT、VTT 还是 DOCX：导出哪一种

要给人阅读的内容导出 TXT 或 DOCX，比如会议纪要、采访引语、节目简介和文章。DOCX 可以直接用 Word 打开，方便批注和修订。

视频用 SRT 或 VTT。两者都是带时间的短句，跟着说话的节奏走；SRT 是剪辑软件最普遍支持的格式，VTT 是网页播放器和浏览器的标准格式。

把 AI 转写的文字稿变成好读的字幕

得到的字幕可以直接上传：SRT 和 VTT 每行最多 16 个字，最多两行，节奏跟着说话走。先在编辑器里改好名字，字幕就会带上这些修改。

把字幕文件和视频一起放进剪辑软件或视频平台，播放第一分钟确认时间对齐，关掉声音看视频的观众也能看懂每一句。

录音前的告知和无障碍

录会议或通话之前，先告诉所有人并征得同意。有些地方（比如美国加州）要求私密对话的每一方都同意才能录音。

文字稿也能让音频更无障碍。无障碍指南要求为录制的音频提供文字替代、为录制的视频提供字幕，所以发布播客文字稿或视频字幕，能照顾到每一位听众。