WAV 轉文字

支援。現場錄音機或錄音介面常見的 48 kHz、24 bit 設定，可以直接上傳，不必先降混成 16 bit 或重新取樣。轉寫用的是檔案原本的樣子，之後要核對，原始檔仍是基準。

轉成 MP3 會多一道有損程序，也多一個要管理的檔案，卻不會讓說話更好辨識。WAV 轉文字直接吃未壓縮的檔案，進到辨識引擎的音訊就是當初錄下的音訊。這也免去存了較小副本之後，就想把原始檔刪掉的念頭。

上傳上限 100MB，以 48 kHz、24 bit 的立體聲來說大約是幾個小時；語音長度不設上限，真正會卡住的只有容量。一整天的錄音通常仍會超過容量上限，送出之前最好順著自然的段落切開，例如一場訪談結束的地方。

開啟講者分離就可以。每一輪發言都會標注，訪談裡提問與回答必須分清楚時，這一點很重要。搶話與身體離開麥克風仍是最難的情況，那些段落值得先聽過再引用。

每個段落都帶著它在錄音裡出現的時間，從檔案開頭算起。校閱者因此能跳到原始 WAV 的那一句，人名或數字有疑問時很好用。再長的錄音，逐字稿與錄音也都保持同步。

單麥克風的單聲道檔案是最單純的輸入。立體聲檔照原樣處理，但若其中一個聲道是另一位講者，把聲道拆成各自的檔案，逐字稿可能比合併音軌更乾淨，兩半也各自得到講者標籤。

底噪低、麥克風靠近的乾淨音訊效果最好，而這正是現場錄音機的常態。口音、重疊說話與專業詞彙仍需校閱。對著時間標記聽一小段，就足以判斷整場錄音需不需要完整校對。

純文字可以匯出，用來編碼、引用或存檔；錄音要連字幕發布時也有 SRT。原始檔沒有被改動，檔案庫可以把 WAV 與逐字稿放在一起，時間標記就是主張與背後音訊之間的連結。