转录准确率很大程度上取决于录音质量。声音清晰、噪音少、每次只有一人说话，转录出来的文字几乎不用改。房间嘈杂、多人同时说话，就得逐句重写。
如果音频是自己录的，转录前做几处处理很值得。今年搜索 Adobe Podcast Enhance 等工具的人明显变多，越来越多创作者会先用语音增强工具处理音频。
对准确率影响最大的因素
背景噪音影响最大，交通声、风扇声、房间回声都算在内。其次是与麦克风的距离，声音小的人离噪声底线很近。削波（录音音量过大导致的失真）会让字词变形，软件有时也修不回来。串音（两人同时说话）会让任何系统都犯糊涂，人工转录和 AI 转录都一样。
有效的改进方法
在安静、有软装饰的房间里录音，窗帘和地毯能减少回声。麦克风和说话人的嘴保持一个手掌宽的距离。电平调到峰值远低于最大值的位置。请嘉宾戴耳机，免得扬声器的声音漏进录音。条件允许的话，每人单独录一条轨道。
使用语音增强工具
语音增强工具能降低噪音和回声，让粗糙的录音听起来更接近录音棚的效果。Adobe Podcast 里的 Enhance Speech（语音增强）功能就是一例，其他工具的用法大同小异。上传文件，下载处理后的版本，再对它转录。
增强工具也可能引入失真。过度处理的语音有时会变得单薄，或把某个轻声音节换成别的音。先用一段短音频测试，对比原始文件和增强后文件的转录结果，留下读起来更顺的那个。原始录音一定要保留。
哪些地方不要动
转录用的文件不要压缩过重，也不要叠加响亮的背景音乐。不要加速音频。裁剪静音时别切掉字词的结尾。如果有加了配乐的母版文件，混音前转录人声轨道即可。
然后转录
Podcast To Transcript 可以读取 Apple Podcasts、Spotify、带字幕的 YouTube 或任何包含音频的页面中的单集，并生成带说话人标签和时间戳的转录稿。它直接从原始订阅源地址串流音频，因此订阅源提供的必须是处理好的版本。想了解如何衡量结果，可以看看我们的文章 AI 播客转录的准确率有多高。
检查结果
对照音频抽查转录稿的开头、中间和结尾，重点看人名和数字。如果错误集中在某一段，问题多半出在那段音频上。在音频处修复比改文字更省事。
常见问题
音频质量真的会影响转录效果吗？
会。清晰的语音是影响准确率最重要的因素。
每一期都要用增强工具处理吗？
只在录音需要时才用。干净的录音棚音频提升有限，处理反而可能引入失真。
录完之后还能修复音频吗？
噪音和回声可以降低，但削波和严重的串音就难修复多了。
转录工具在意文件格式吗？
大多数工具都支持常见格式。请查看工具支持的输入格式，并尽量使用能拿到的最高质量版本。
