VoiceText 声文智转 · 使用技巧

识别准确度一半靠模型、一半靠「怎么录」。下面这些技巧，能把你的语音转文字结果再拔高一截。

一、收音是第一生产力

语音识别的本质是「听清」，再好的模型也救不了听不清的录音。

• 靠近音源：说话人离麦克风 20–40 厘米最佳，越近越清晰。
• 减少回声与背景乐：空旷房间、大混响、BGM 都会拉低准确度，尽量在相对安静环境录制。
• 口音重 / 方言：尽量用标准普通话或英文清晰表达；模型对中文普通话、英文主力语种支持最好。

二、嘈杂 / 远场：先用「纯人声分离」降噪

现场录音、远场开会、带背景音乐的素材，直接转写容易被噪声带偏。先开启纯人声分离，软件会提取干净人声、压低背景噪声，再送识别，准确度明显提升。

三、多人说话：开「区分说话人」

会议、访谈、圆桌讨论里多个角色交替发言，开启区分说话人后，文字会自动标注「谁在说」，方便你整理成带署名的纪要，而不是一大段分不清归属的纯文本。

四、需要外挂字幕：导出 SRT

转写完成后可一键导出 SRT 字幕文件（纯文本、通用），直接拖进剪映、Premiere、必剪等剪辑软件即可生成可编辑字幕轨。详见《导出 SRT 字幕并烧录到视频》。

五、中英混说：开「双语字幕」

内容里中英文夹杂（如专业术语、品牌名、代码），可开启双语字幕，原文与目标语言同屏呈现，避免专有名词被误转成近似中文。

六、大批量：用「批量模式」

几十上百个音频 / 视频要处理，用批量模式一次性丢进去，软件自动逐个转写并各自导出结果，无需人工守着。