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。

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。为减少错误匹配，请将术语列表限制为不太可能与常用词或数字混淆的专业或生僻术语，避免添加简短或通用的术语，并在最终确定前检查转写输出中是否存在误用的术语。

术语库会自动以只读模式与同一公司的所有用户共享。

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。

上传的文件将会显示。
您可以选择指定上传文件中 Speakers 的数量。
- 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。
- 取消勾选 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。
- 翻译引擎是可配置的。
- 如果选择了配音为译文语言，文件将被立即转写、翻译和配音，而无需事先检查翻译。
选择一个字幕个人资料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的准确性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，用于原文和译文语言。
  
  系统将跳过带有说话人识别的自动音频转写，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。
- 打开机器翻译部分以覆盖账户级别的设置，并在项目级别选择首选的翻译引擎。
  - 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，并根据需要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，或添加将在转写过程中用于检测和匹配相似发音词汇的术语。
- 打开 AI 生成的摘要和见解部分，以选择要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，并显示在我的录音页面上。

点击录音名称以在编辑器中打开它，并在转录和翻译选项卡中查看。如果需要，这两个文本都可以进行编辑。

点击下载以选择转录内容和翻译内容并下载到您的系统中。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。

在设置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”）。

点击转录菜单下的管理说话人以编辑说话人姓名或添加其他说话人。

使用编辑器底部的合并/说话人切换开关，可在单个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。