转写与说话人识别是两件事
语音转写把声音转成文字,说话人区分则尝试标记不同声音出现的片段。Google Cloud的相关功能使用编号区分声音,并不等于确认现实身份。多人重叠发言、远距离收音或声音相似时更需要人工检查,不能直接把编号自动映射为某个人并当作可靠事实。
准备录音与背景词表
在获得必要授权后,优先使用清楚、未过度压缩的音频,并提供与任务有关的名称和专业词表。词表帮助校对,但不应诱导把听不清的声音硬套成预设词。保留原始音频,后续降噪或切分另存版本,避免处理过程覆盖唯一原件。
时间戳让复核更省力
对访谈、会议或课程,保留按段落或句子的时间位置,便于快速回听。剪掉开头静音后,时间戳可能与原文件不一致,因此应记录所用版本。转写里听不清的词可以标记并附位置,交给熟悉背景的人确认,不必为了让文本通顺就删除所有不确定性。
例如录音里两个人同时说话,可以将该片段标为重叠发言并附时间,不强行整理成前后明确的两句话。正式引用之前回听确认;无法辨认的部分宁可保留缺口,也不要把上下文中的常见说法补成某个人真实说过的话。
校对重点取决于用途
若用于会议纪要,重点检查决定、负责人和期限;若用于字幕,除了文字还要检查断句、显示时长和屏幕阅读速度;若用于访谈引语,则要保留原意和语气,避免把口语整理成说话人没有表达的观点。数字、否定词和人名往往值得优先回听。
交付时区分逐字稿与整理稿
逐字稿尽量保留原话,整理稿可以去掉重复语气词并调整结构,两者不应混称。文件中说明是否经过人工校对、哪些片段仍不确定,以及说话人标签如何确认。共享录音和文字时分别检查权限,因为文字更容易被搜索、复制和传播。
资料来源
以下来源用于核对概念和操作条件。产品界面与政策可能变化,请结合当前官方说明使用。