中文语音转写技能
现在
偶尔用 · 上次使用 11 月 5 日 03:25
10 月 30 日—11 月 5 日 AI 用了 5 次
截至 11 月 5 日 · AI 使用记录

技能名 chinese-asr · 中文语音转写项目的入口

它做什么

把中文录音交给 AI,或者问录音里有几个人、哪几句是我说的、某句话在第几秒,AI 就照这个技能来做:点名的录音文件,在免费期内、云端能用时直接先送云端转写,不用我逐次点头,也不等本机;本机只在要交叉核对或云端用不了时才上。正文、疑点和时间一起交回来,拿不准的照实说拿不准。Win+H 听写不好用,也按它来查。

怎么跟 AI 说

“把这段录音转成文字。”

“这段挺重要,拿不准的地方给我标出来。”

“这段用高质量转一遍,我要能逐段回听。”

“这个文件夹里的录音都转一下。”

“这是两个人打电话,分清谁说了什么,带上时间。”

“这段录音里有几个人在说话?”

“这段里哪几句是我说的?”

“这是配音文案和音频,给每个词标上时间。”

“这段录音以前转过吗?把带时间的结果找出来。”

“这段可以传到云端再听一遍。”

“云端自动复核先暂停一下。”

“Win+H 按了没反应,帮我看看。”

“云端复核是不是停了?恢复吧。”

中文语音转写技能
现在
偶尔用 · 上次使用 11 月 5 日 03:25
10 月 30 日—11 月 5 日 AI 用了 5 次
截至 11 月 5 日 · AI 使用记录

技能名 chinese-asr · 中文语音转写项目的入口

它做什么

把中文录音交给 AI,或者问录音里有几个人、哪几句是我说的、某句话在第几秒,AI 就照这个技能来做:点名的录音文件,在免费期内、云端能用时直接先送云端转写,不用我逐次点头,也不等本机;本机只在要交叉核对或云端用不了时才上。正文、疑点和时间一起交回来,拿不准的照实说拿不准。Win+H 听写不好用,也按它来查。

怎么跟 AI 说

“把这段录音转成文字。”

“这段挺重要,拿不准的地方给我标出来。”

“这段用高质量转一遍,我要能逐段回听。”

“这个文件夹里的录音都转一下。”

“这是两个人打电话,分清谁说了什么,带上时间。”

“这段录音里有几个人在说话?”

“这段里哪几句是我说的?”

“这是配音文案和音频,给每个词标上时间。”

“这段录音以前转过吗?把带时间的结果找出来。”

“这段可以传到云端再听一遍。”

“云端自动复核先暂停一下。”

“Win+H 按了没反应,帮我看看。”

“云端复核是不是停了?恢复吧。”

一个完整例子

我:“这段会议录音挺重要,转成文字,拿不准的地方给我标出来。”(附一段 40 分钟的录音)

AI 做了什么
1
免费期内先把原录音送阿里云转写,不用问我,也不等本机;说了“重要”,就按重要录音标记,留好原文件指纹和每段的覆盖范围。
2
这段要当凭据用、里面又有拿不准的数字,再用本机两个模型交叉核对:FireRedASR2-LLM 主听、Qwen3-ASR 对照;40 分钟太长,按停顿切成最长 35 秒一段,断了能接着跑。云端稿不等本机跑完。
3
本机最多等 15 秒没跑完,先回一句“在跑了”和任务编号;之后按这个编号查进度,不把同一段录音再交一遍。
4
跑完不只看“成功”两个字:每一段的证据都要是“已核对”,还要看有没有一个模型失败、每条疑点是什么。
5
有两处数字本机两个模型听得不一样:云端稿和本地稿并排存,分歧照实留着,等回听原音定。
AI 交回

“转好了,正文在结果目录里。要回听的有 3 处:

12:40 “三百”还是“三千”:本地两个模型不一样,云端听成“三千”;

25:03 本该没声音的地方出了“谢谢观看”,已标 [疑似];

31:18 两个人抢着说,这句两边差得多。

其余句子两个模型一致,但一致不等于逐字正确,要引用原话请先回听。”

另一种问法

我:“这段通话里哪几句是我说的?”

AI:“按声音分成 2 组,分组可能多分或少分,不等于人数。32 句里 18 句是你、11 句是对方、3 句说不准。说话人 1 大多是你:声音接近你的参考,而且是你在回答对方的提问。”

一个完整例子

我:“这段会议录音挺重要,转成文字,拿不准的地方给我标出来。”(附一段 40 分钟的录音)

AI 做了什么
1
免费期内先把原录音送阿里云转写,不用问我,也不等本机;说了“重要”,就按重要录音标记,留好原文件指纹和每段的覆盖范围。
2
这段要当凭据用、里面又有拿不准的数字,再用本机两个模型交叉核对:FireRedASR2-LLM 主听、Qwen3-ASR 对照;40 分钟太长,按停顿切成最长 35 秒一段,断了能接着跑。云端稿不等本机跑完。
3
本机最多等 15 秒没跑完,先回一句“在跑了”和任务编号;之后按这个编号查进度,不把同一段录音再交一遍。
4
跑完不只看“成功”两个字:每一段的证据都要是“已核对”,还要看有没有一个模型失败、每条疑点是什么。
5
有两处数字本机两个模型听得不一样:云端稿和本地稿并排存,分歧照实留着,等回听原音定。
AI 交回

“转好了,正文在结果目录里。要回听的有 3 处:

12:40 “三百”还是“三千”:本地两个模型不一样,云端听成“三千”;

25:03 本该没声音的地方出了“谢谢观看”,已标 [疑似];

31:18 两个人抢着说,这句两边差得多。

其余句子两个模型一致,但一致不等于逐字正确,要引用原话请先回听。”

另一种问法

我:“这段通话里哪几句是我说的?”

AI:“按声音分成 2 组,分组可能多分或少分,不等于人数。32 句里 18 句是你、11 句是对方、3 句说不准。说话人 1 大多是你:声音接近你的参考,而且是你在回答对方的提问。”

能做的事
用这个技能时,AI 守的规矩
只处理点名的那一段或那个文件夹,不去翻整个录音库。
等不及了就拿同一个任务编号接着查,不把同一段录音再交一遍。已经转写过的录音(包括批量转写的结果)按原文件指纹取回已有稿;已有文字只是缺可回放的时间,就直接用这份文字,不为补时间重转,真要逐句时间时才补。
“成功”只说明跑完了;两个模型一致、证据齐全、时间对得上,都不等于逐字正确。[疑似] 和分歧原样交回,不润色成通顺的话。
结果是空的,先看结论是哪一种,不直接说“没人说话”。
点名的录音在免费期内云端优先,不用逐次问我,也不以“疑难”“重要”为前提。免费期过了自动不上传并说明原因,没确认新的免费期先用本地;额度、欠费、权限或模型下线时停止自动上传;我手动暂停了就不做,改配置也不会自动解除。
本地双模型只在需要交叉核对或云端用不了时上,不拖慢云端稿;两份稿都保留。已经跑过的本地作业里有疑难的,仍可以照它留下的交接再请云端复核。
显卡被占就等,或者说清是谁占着;不绕过排队,也不停别人的任务。
说话人分成几组不当成几个人;声音比对只给能推翻的推定。
录音、转写正文、模型和声音参考都不放进 GitHub。
能做的事
用这个技能时,AI 守的规矩
只处理点名的那一段或那个文件夹,不去翻整个录音库。
等不及了就拿同一个任务编号接着查,不把同一段录音再交一遍。已经转写过的录音(包括批量转写的结果)按原文件指纹取回已有稿;已有文字只是缺可回放的时间,就直接用这份文字,不为补时间重转,真要逐句时间时才补。
“成功”只说明跑完了;两个模型一致、证据齐全、时间对得上,都不等于逐字正确。[疑似] 和分歧原样交回,不润色成通顺的话。
结果是空的,先看结论是哪一种,不直接说“没人说话”。
点名的录音在免费期内云端优先,不用逐次问我,也不以“疑难”“重要”为前提。免费期过了自动不上传并说明原因,没确认新的免费期先用本地;额度、欠费、权限或模型下线时停止自动上传;我手动暂停了就不做,改配置也不会自动解除。
本地双模型只在需要交叉核对或云端用不了时上,不拖慢云端稿;两份稿都保留。已经跑过的本地作业里有疑难的,仍可以照它留下的交接再请云端复核。
显卡被占就等,或者说清是谁占着;不绕过排队,也不停别人的任务。
说话人分成几组不当成几个人;声音比对只给能推翻的推定。
录音、转写正文、模型和声音参考都不放进 GitHub。
边界
管

中文录音和微信语音转成文字(微信里正在聊的语音入口在看微信聊天);时间戳;分说话人、估计有几个人(有依据时才给一个能推翻的估计,分成几组本身不算人数);哪几句是我说的;重要录音;云端复核;转写项目的维护、换模型、升级依赖;Win+H 听写出的毛病。

不管,交给谁
这些事找谁
某段录音在哪、录音里某句话在哪一段找照片、视频、录音先找到录音,再按指纹取这里已有的结果
读微信聊天、把语音消息导出来微信聊天读取;导出后要文字才交到这里
微信里正在聊、要马上读懂的语音看微信聊天管总时限:同一条消息有微信现成的转写就先用,没有就让提前备好的本机识别和云端同时跑,不给每条消息现开一个文件任务;空的、只听了一部分、失败、还没备好,都不算听全
一张照片或一段录音里有没有我照片录音里有没有我;录音那一半借用这里的声音参考
图片、截图里的字本地文字识别
一堆不知道是什么的文件当时的 AI 先看类型、选合适的读法,是中文录音再交过来
不做
  • 英文、多语种和做字幕不是目标。
  • 不认别人是谁:别人只标“对方”或“说不准”。
  • 说“重要”不改变先走云端,只是多留能回查的证据,需要时再用本地两个模型核对(并排存,不覆盖);免费期外要整段上云,才要我点头。
  • 不因为出了新版本就换模型,也不设定时下载;有同一批录音比出来明显更好的证据,AI 才换,并留好退回。
技术依据(10 月 11 日核对技能说明和 configs\models.yaml,没跑模型、没调云端)
  • 显卡调度:LocalGpuBroker 允许语音转写(ASR)和文字识别(OCR)同时跑;同一类任务排队串行;和 Ollama 大模型推理互斥,不同时占显卡;不绕过正在生效的租约。
  • 结果:可选的旁路产物(optional sidecar)失败时,主结果照样保留交回;needs_review 为空表示不知道,不当成不用复核。
  • 云端复核:3.1 的两条路线——qwen-audio-3.1-asr-flash(短段,HTTP)和 qwen-audio-3.1-asr-flash-message(长段,WebSocket)——免费截止都是北京时间 2026 年 12 月 21 日 00:00;旧的 qwen-audio-3.0-asr-flash 已从现行配置删除,调不了了(11 月 4 日读 configs\models.yaml)。
  • 入口(11 月 4 日读技能、项目规则和云端说明,核对文件存在,没跑模型、没上传音频;云端此刻能不能用、有没有暂停,没有核):点名的录音走 asr-professional-cloud.ps1 -CloudFirst,重要录音再加 -Important,不需要先有本地作业;本地作业留下的 pending_ai_session 只是之后云端复核的交接,不是这条路的门槛。微信实时走提前备好的 zh_asr.realtime。
边界
管

中文录音和微信语音转成文字(微信里正在聊的语音入口在看微信聊天);时间戳;分说话人、估计有几个人(有依据时才给一个能推翻的估计,分成几组本身不算人数);哪几句是我说的;重要录音;云端复核;转写项目的维护、换模型、升级依赖;Win+H 听写出的毛病。

不管,交给谁
这些事找谁
某段录音在哪、录音里某句话在哪一段
找谁:
找照片、视频、录音先找到录音,再按指纹取这里已有的结果
读微信聊天、把语音消息导出来
找谁:
微信聊天读取;导出后要文字才交到这里
微信里正在聊、要马上读懂的语音
找谁:
看微信聊天管总时限:同一条消息有微信现成的转写就先用,没有就让提前备好的本机识别和云端同时跑,不给每条消息现开一个文件任务;空的、只听了一部分、失败、还没备好,都不算听全
一堆不知道是什么的文件
找谁:
当时的 AI 先看类型、选合适的读法,是中文录音再交过来
不做
  • 英文、多语种和做字幕不是目标。
  • 不认别人是谁:别人只标“对方”或“说不准”。
  • 说“重要”不改变先走云端,只是多留能回查的证据,需要时再用本地两个模型核对(并排存,不覆盖);免费期外要整段上云,才要我点头。
  • 不因为出了新版本就换模型,也不设定时下载;有同一批录音比出来明显更好的证据,AI 才换,并留好退回。
技术依据(10 月 11 日核对技能说明和 configs\models.yaml,没跑模型、没调云端)
  • 显卡调度:LocalGpuBroker 允许语音转写(ASR)和文字识别(OCR)同时跑;同一类任务排队串行;和 Ollama 大模型推理互斥,不同时占显卡;不绕过正在生效的租约。
  • 结果:可选的旁路产物(optional sidecar)失败时,主结果照样保留交回;needs_review 为空表示不知道,不当成不用复核。
  • 云端复核:3.1 的两条路线——qwen-audio-3.1-asr-flash(短段,HTTP)和 qwen-audio-3.1-asr-flash-message(长段,WebSocket)——免费截止都是北京时间 2026 年 12 月 21 日 00:00;旧的 qwen-audio-3.0-asr-flash 已从现行配置删除,调不了了(11 月 4 日读 configs\models.yaml)。
  • 入口(11 月 4 日读技能、项目规则和云端说明,核对文件存在,没跑模型、没上传音频;云端此刻能不能用、有没有暂停,没有核):点名的录音走 asr-professional-cloud.ps1 -CloudFirst,重要录音再加 -Important,不需要先有本地作业;本地作业留下的 pending_ai_session 只是之后云端复核的交接,不是这条路的门槛。微信实时走提前备好的 zh_asr.realtime。
完整尺寸