音频转写 (Studio)

文本由 Phrase Language AI 从英语机器翻译而得。

音频转写以音频作为输入，并使用自动语音识别和自动发言人识别来生成文本输出。具体而言，该系统使用 OpenAI Whisper 自动语音识别系统的专有实例。

可以在 Settings 页面中创建单语术语库，以提高 AI 转写针对专业或生僻术语的准确性。术语库会自动以只读模式与同一公司内的所有用户共享。

Phrase Studio 会消耗 Video Localization Hours。

使用场景示例

一段录制为 MP4 文件的 45 分钟客户访谈。

系统正在生成带有发言人识别的文本转写，可用于创建案例研究并为网站提取引语。

若要创建音频转写项目，请遵循以下步骤：

在 Phrase Studio 中，点击 New Project。

Create new project 页面随即打开。
将文件拖入上传区域，或点击 Upload file 以在您的系统中查找文件。

已上传的文件将会显示。
（可选）指定上传文件中的 Speakers 数量。
- 若要手动设置发言人数量，请打开下拉菜单并选择 1 到 5 之间的值。如果文件包含超过五名发言人，请使用默认的 Auto-detect 选项。
为项目提供名称，并根据需要设置项目可见性：
- 新项目默认为公开。公开项目对公司内所有有权访问 Studio 的用户可见。
- 取消选择 Public project 以创建一个仅对项目所有者可见的私有项目。如果需要，私有项目仍然可以与选定的用户共享。
手动选择原文语言或启用自动检测原文语言以进行自动检测。
如果需要，在本地化选项下，启用翻译字幕并选择要将文件翻译成的语言。
- 机器翻译引擎是可配置的。
- 如果选择了配音为译文语言，文件将被立即转录、翻译和配音，而无需事先检查翻译。
选择一个字幕个人资料<1> 以确定字幕显示规则。

启用对特定语言使用不同的字幕个人资料<1> 以便为每种语言选择个人资料。
（可选）启用应用发音规则以提高文本转语音准确性<1> 以选择现有的发音和相关对，用于配音工作流。
如果需要，配置其他选项：
- 打开字幕部分以导入 SRT 或 VTT 格式的现有字幕文件，用于原文和译文。
  
  系统将跳过带有说话人识别的自动音频转录，并将现有字幕与视频对齐。用户需要手动创建并分配说话人，因为 SRT/VTT 文件不包含说话人信息。
- 打开自动翻译部分以覆盖账户级别设置，并在项目级别选择首选的机器翻译引擎。
  - 如果选择了 Phrase Language AI，则会显示机器翻译个人资料和翻译记忆库下拉菜单。
    
    选择一个可用的机器翻译个人资料，并可选择性地选择一个翻译记忆库。
  - 如果选择了 AI 翻译代理，则会显示翻译记忆库下拉菜单。
    
    选择一个可用的翻译记忆库。
- 打开资源部分以选择现有的术语库或添加术语，这些术语将用于在转录过程中检测和匹配发音相似的词。
- 打开 AI 生成的摘要和见解部分，以选择将为上传的录音生成的所需摘要和见解，以及相关的 AI 模型。
点击创建项目。

文件已上传，并显示在 My Recordings 页面上。

点击录音名称以在编辑器中打开它，并在 Transcribe 和 Translation 视图中查看。如果需要，可以编辑这两段文本。

点击 Download 以选择转录和翻译内容进行下载到您的系统。也可以下载 MP3 格式的纯音频轨道。

AI 摘要

使用 AI 模型从字幕中提取结构化且有意义的见解，例如摘要、情感、质量标记或安全问题。

在 Settings 页面中创建的见解会自动以只读模式与同一公司内的所有用户共享。

使用场景示例

总结客户支持通话或识别潜在的不安全或低质量沟通。Phrase Studio 返回摘要并标记需要审查的部分。

说话人识别

检测并标记音频文件中的不同说话人，以获得更清晰的转录和字幕。

自动说话人识别功能不适用于导入了字幕文件的项目。

使用场景示例

包含多名参与者的播客会被处理，每位说话人都会被自动标记（例如：“说话人 1”、“说话人 2”）。

点击 Transcribe 菜单下的 Manage Speakers 以编辑说话人姓名或添加其他说话人。

使用编辑器底部的 Combined/Speakers 开关，可在单一波形和每个说话人的独立波形之间进行切换。当检测到多名说话人时，可以在行内拖动片段以反映重叠的语音，或将其移动到另一行以更改指定的说话人。