声调不是口音,而是词义的一部分
普通话通过音高变化区分音节,因此 mā、má、mǎ 和 mà 是四个毫不相关的词。声调错误就是词语错误,而不只是发音上的小偏差;压缩后的手机录音正是声调轮廓最容易失真的场景。这也是清晰录音和嘈杂中文录音之间准确率差异的最大原因。
将中文会议、访谈和讲座转换为可搜索的文字,并标注说话人——支持普通话和粤语,以及简体或繁体中文。
iOS 和 Android 均可使用。免费 30 分钟,无需绑定银行卡。
SozAI 支持转录 中文 吗?
SozAI 可将普通话和粤语音频、视频转写为文字,并自动添加说话人标签和词级时间戳。输出支持简体或繁体中文,并可导出为 TXT、DOCX、PDF、SRT 和 VTT。录音会在 EU 数据中心处理,静态数据经过加密保存;每个账户每月可免费使用 30 分钟,无需绑定银行卡。
中文,按照实际使用方式书写。
产品规格
| 本地名称 | 中文 |
|---|---|
| ISO 639-1 代码 | zh |
| 书写系统 | 汉字(简体和繁体) |
| 文字方向 | 从左到右 |
| 全球使用人数 | 约11亿 |
| 涵盖的变体 | 普通话、粤语 |
| 说话人标签 | 支持 — 自动区分说话人 |
| 时间戳 | 逐词级别 |
| 摘要 | 是,以同一种语言提供 |
| 导出格式 | TXT, DOCX, PDF, SRT, VTT |
| 最大文件大小 | 500 MB |
| 免费额度 | 每月30分钟,无需银行卡 |
| 数据存储位置 | EU 数据中心,静态数据采用 AES-256 加密 |
| 以此语言公开的转录文本 | 192 |
工作流程
直接在应用中录音,上传不超过 500 MB 的文件,或粘贴 YouTube 链接。SozAI 支持读取 m4a、mp3、wav、aac、mp4 和 mov。
选择普通话或粤语,以及简体或繁体中文;也可以开启自动识别。即使录音中夹杂英语技术术语,也会保留在同一份转写稿中。
转写稿会附带说话人标签和词级时间戳。您可以搜索内容、提问、生成中文摘要,或导出 SRT 和 VTT 字幕。
田野笔记
普通话通过音高变化区分音节,因此 mā、má、mǎ 和 mà 是四个毫不相关的词。声调错误就是词语错误,而不只是发音上的小偏差;压缩后的手机录音正是声调轮廓最容易失真的场景。这也是清晰录音和嘈杂中文录音之间准确率差异的最大原因。
中文书写没有明确的词边界。在转写内容能够被搜索或与时间对齐之前,系统必须先判断每个词的起点和终点。同一组汉字可能有多种分法,而且每种分法都可能合乎语法、含义却不同。中文转写稿的搜索效果完全取决于这一步是否准确。
两者在口语中并不能互相理解,粤语也有自己的词汇、语法和书写方式。把粤语当成带口音的普通话,会生成看似自信、实则完全错误的内容,因此粤语必须作为独立的目标语言处理。在同一场会议中来回切换两种语言的录音,仍然是最难处理的情况。
同一句口语在中国大陆、台湾和香港的书写方式并不相同,而且两者之间并非总能一一对应。选错字集后,转写稿虽然技术上仍然可读,却会立刻让目标读者觉得这份文档并非为他们准备。
答案
简短回答,方便引用。更详细的内容请查看上方各部分。
支持。粤语作为独立目标语言处理,而不是普通话的一种口音。两者在口语中不能互相理解,粤语也有自己的词汇和书写形式,因此选择正确的语言,比其他语言中选择大多数方言时更为重要。
可以。两种字集都支持,而且这一选择会影响整份转写稿。由于简体和繁体之间并非严格一一对应,事先选择正确的字集,比转写后再转换能得到更好的结果。
可以。说话人分离基于音频而非语言运行,因此每位说话人都会获得一个标签,每次发言也都会带有时间戳。对于会议记录来说,这正是将录音变成可以分享的文档,而不是一整面汉字墙的关键。
SozAI 会以 UTF-8 编码导出带有词级时间信息的 SRT 和 VTT,因此中文字符可以在 YouTube、Premiere Pro、Final Cut Pro 和 DaVinci Resolve 中正常加载。不过,换行仍然值得人工检查,因为中文字幕的规范与拉丁字母文字的字幕规范不同。
每个账户每月可免费使用 30 分钟,无需绑定银行卡。超出后,SozAI 按月收取固定订阅费用,并提供共享分钟数额度;价格不取决于语言。当前方案请参阅价格页面。
使用场景
以下所有功能都支持中文,并保留相同的说话人标签和词级时间戳。
转写您的第一段中文录音
直接录音、上传文件或粘贴链接。说话人、时间戳和摘要会一起生成。
iOS 和 Android 免费使用。转写 YouTube 内容无需账户。