AI 百科词条

语音识别转写（ASR (Automatic Speech Recognition)）是什么？

把录音/说话自动变成文字稿——会议纪要、访谈整理、视频字幕的前置工序。

一句话说清楚

语音识别模型把音频流切分成语音段并转成文字，现代产品普遍做到：自动区分说话人（谁在说）、自动加标点、过滤语气词、支持方言与中英混说。转写准确率在清晰普通话场景可达 95% 以上，但强噪音、多人抢话、专业术语场景会明显下降。它与 TTS 是一对反向工序：一个听写、一个朗读。

选型看场景：会议纪要选带说话人分离与 AI 总结的会议类产品（转写完直接出要点）；采访/课程整理选支持长音频批量上传的转写工具；做字幕选带时间轴输出的产品，可直接导入剪辑软件。关键术语多的场景优先选支持自定义词库的产品。

准确率数字有水分：厂商宣传的 98% 通常指干净朗读音频，真实会议噪音下可能掉到 85%——用自己的真实录音测一轮再付费；涉密内容注意选支持本地部署或明确不留存音频的产品。

AI 写周报：把流水账变成汇报亮点

把本周做过的事列成碎片清单，AI 负责归并成「进展 / 数据 / 下周计划」的汇报结构。

AI 做短视频：文案、素材、剪辑一站搞定

把「主题 + 时长 + 平台」说清楚，AI 产出脚本、分镜、配音与字幕，按需组合流水线。

录音转文字：会议、访谈、课程全场景

会议纪要看说话人分离与摘要能力，访谈整理看准确率与时间戳，课程听打看长音频支持。