录音笔、通话、网课，用同一套流程转写

MP3、M4A、WAV、AAC、OGG、WMA、MPGA，以及常见视频容器里的音轨都可以。手机录音、通话录音或网课导出得到的文件，通常已经在这几种之内，原文件直接上传即可，不必先转一次格式。如果文件扩展名和实际编码不一致，先确认能否正常播放，再提交。

不需要。常见封装直接读取，码率也不必改动。事先转换一次，会多一代音质损失和一份磁盘副本；保留原文件也意味着文稿永远可以和同一个源对照。如果原文件来自手机或录音笔，直接上传通常比先导出成别的格式更清楚。

转写开始前先跑语言识别，取录音中占主导的那一种。夹着一段另一种语言的短片，或口音很重的段落，可能让它判断失准，结果不对时可以手动指定语言，这也是首先值得尝试的修法。判断只影响听写用的语言模型，不会改变音频本身。

说话人区分是可选功能，会给每一轮发言加上标签。双人通话、焦点小组、共用一支麦克风录下的座谈都能得到带标签的输出。改一个标签，所有带它的发言一起更新，成品显示人名而不是编号。如果一段录音里只有两个人，标签通常最稳定，也最容易核对。

阅读与引用用纯文本，对外分享可以用排好版的文档，音频来自视频、需要字幕时则导出 SRT 或 VTT。文稿也可以在编辑器里分段复制，只需要一通长电话里某一个回答时，这样最省事。字幕文件只包含文字与时间，不包含画面，导出后仍要在剪辑软件里对轨。

在上传上限以内都可以，长录音按一个任务处理。处理时间更取决于时长，而不是体积。时长不设上限，只要文件不超过 500MB，几个小时的会议也能一次提交；想分成几次提交同样稳妥。如果一次要处理很多短文件，分批提交比一口气全传完更容易排查问题。

通话录音是为听清而混音的，不是为了转写，常有压缩和音量不齐。清晰的固话或质量较好的网络通话效果不错，闷住的手机通话需要更多修改。人名和数字是最应该先核对的。如果通话里有免提回声，转写前先确认哪一路声音更清楚。

所有步骤都在浏览器里完成。没有桌面客户端、插件或命令行工具要安装，文件从它本来所在的设备上传。在限制安装软件的公司电脑上，也一样能用。如果机器上装不了软件，或者只是临时借用别人的电脑，这一点最实用，也最省心。