优质音频文件：如何获得更好的转写稿
2026年6月30日 · 7 分钟阅读
格式、麦克风、音量和房间声学决定识别准确率。针对讲座、访谈和通话的实用建议。
无论是 AI 还是人工，任何转写工具都无法从嘈杂、爆音或混响严重的录音中提炼出质量。录音时就把采集做好，后期能省下数小时的修改。
推荐的文件格式
Sprechverlauf 支持 MP3、WAV、M4A、OGG、FLAC 和 WebM。为了获得最佳识别效果：
- WAV 或 FLAC——质量最好，文件较大
- M4A（AAC）——兼顾较好，手机上很常见
- MP3——至少 128 kbps，语音最好使用 192 kbps
- 避免：极低比特率、反复重新编码的文件，以及长时间的手机音质单声道录音
录音检查清单
- 麦克风靠近说话人（15–30 厘米），不要靠近笔记本风扇
- 安静的房间——窗帘和地毯能减少回声
- 检查音量：既不能过小，也不能爆音
- 访谈：每人一个麦克风，胜过一个房间共用麦克风
- 多人讨论：减少同时说话的情况
- 在专有词汇栏中添加人名和行话（Sprechverlauf 第 2 步）
上传前：两分钟的准备
先听一遍音量最大的部分。剪掉开头较长的静音。在 Audacity 中做轻度降噪会有帮助，但要适度。讲座时，尽量坐在前排。远程通话时，使用应用或设备自带的录音功能，而不是扬声器播放的采集。