多语言转录软件

无论录制哪种语言，都是同一套流程

需要多语言转录的团队，很少只用一种语言，所以 Sonix 让每种语言都走同一个账户、同一条处理流程、同一个编辑器。

一家市场调研公司周一做西班牙语焦点小组，周四做普通话焦点小组。一家新闻编辑室一周内要处理阿拉伯语、希伯来语和英语的采访。一个高校研究小组在收集乌尔都语和孟加拉语的口述史。没有人愿意为每种语言各找一家服务商。

每种语言都经过相同的步骤：从电脑、Dropbox、Google Drive 或链接上传，由 AI 以 10x 实时速度转录，再在浏览器编辑器中润色，点击任意一个词即可跳到音频中的对应位置。

输出结果同样与语言无关。可导出为 Word、PDF、纯文本、SRT、VTT 等共 18+ 种格式，时间戳和说话人标签可选。无论源音频是德语还是塔加洛语，您后续的工作流程都不必改变。

每种支持的语言都有专属页面，包含方言说明、格式细节和该语言的常见解答。您可以直接跳到上方的语言目录，也可以先看最常被查阅的指南：西班牙语音频转录、阿拉伯语音频转录和粤语音频转录。

哪些语言转录效果最好？

在 Sonix 上，各支持语言的准确率为 85% 到 99%，具体取决于音频质量。语言决定上限，而录音质量决定您的转录稿落在上限以下的哪个位置。

无论在 Sonix 还是其他 AI 转录平台，各种语言的转录效果并不完全一样。一份文件最终落在这个范围的什么位置，取决于三点：语言本身、说话人和录音。

资源丰富的语言处于准确率范围的高端

语音识别模型是从已转写的音频中学习的。训练数据极为充足的语言，比如英语、西班牙语、法语、德语、葡萄牙语、普通话和日语，通常效果最好。原因很简单：可供模型学习的录音和转写文本更多，涵盖更多口音、更多录音环境和更多话题。

对这些语言来说，音频清晰、说话人分明时，准确率通常能稳定落在范围高端，这也是专业转录服务偏爱它们的原因。

资源较少的语言需要多校对一遍

训练数据较少的语言，比如巴什基尔语、维吾尔语、蒙古语或威尔士语，在音频清晰时同样能转录得不错，但转录稿最好多校对一遍。建议为这些语言在 Sonix 编辑器里多留几分钟，尤其是专有名词和专业词汇。

这并不是放弃用 AI 转录小语种的理由，而是选择校对流程快的工具的理由。Sonix 编辑器的音频与文字同步播放，核对一个存疑的词只需点一下，不必在文件里来回拖动。

中间的大多数语言：正常校对即可获得良好结果

在 54+ 种支持的语言中，大多数处于这两端之间。印地语、孟加拉语、乌尔都语、希伯来语、粤语、越南语、土耳其语、波兰语和印度尼西亚语都有相当充足的训练数据和成熟的识别模型。音频清晰时表现很好，音频嘈杂或口音较重时，则需要像处理同等条件下录制的英语文件那样校对一遍。

这一类语言有两个规律值得了解。第一，正式语体比口语转录得更好：印地语新闻广播的转录结果比印地语家庭电话干净，因为播音语言更接近训练数据。第二，最常见的修改是人名和外来词。一段谈论当地政治的孟加拉语访谈，孟加拉语部分会很准确，但句子中间冒出的英文公司名可能会出错。

决定各语言准确率的因素

有四个因素比语言排名更重要。

• 训练数据的深度。 某种语言的转写语音越多，就越能识别该语言在现实中的各种变化，包括各种口音。
• 方言差异。 主要用一种标准变体训练的模型，遇到差异较大的方言时错误更多。阿拉伯语在这方面比几乎任何其他语言都明显，下一节会详细说明。
• 声调与语境的复杂度。 普通话、粤语、越南语和泰语等声调语言用音高表达意义。现代模型在上下文中能很好地处理声调，但音频嘈杂时的同音字仍是常见的修改点。
• 音频质量。 这是您能掌控的最大变量。在安静房间里用领夹麦克风录的乌尔都语，比在有回音的大厅里用手机录的英语效果更好。背景噪音小、说话人分明、少有插话，能让任何语言都更接近准确率范围的高端。

如何让任何语言都接近准确率上限

您无法改变某种语言现有的训练数据量，但几乎其他一切都在您的掌控之中。

• 靠近说话人录音。 无论哪种语言，距声源几英尺以内的外接麦克风或领夹麦克风，都比房间另一头的笔记本麦克风效果好。
• 让说话人分开发言。 多人同时说话会影响准确率和说话人标注。访谈和焦点小组中，请尽量让大家轮流发言。
• 从源头减少背景噪音。 关上窗户，暂停空调，避开咖啡馆。您的耳朵能忽略的噪音，模型可做不到。
• 让语言选项与音频一致。 粤语音频就选粤语，不要选普通话。请先在上方目录中找到对应的语言页面，上传前看一看其中的方言说明。
• 按语言类型预留校对时间。 资源丰富的语言，快速浏览一遍即可。资源较少的语言和方言较重的音频，则需要重点核对人名、数字和专业术语。

实际的结论是：语言决定上限，录音质量决定您的转录稿落在上限以下的哪个位置。一份录得好的乌尔都语访谈，比一份录得差的英语访谈效果更好。

方言与文字系统

一份包含 54+ 种语言的菜单只说明了一部分情况，日常使用中真正重要的，是平台如何处理每种语言内部的差异。

粤语不是普通话

Sonix 把中文分为粤语和普通话两个独立选项。二者在口语中无法互通，把粤语音频交给普通话模型处理，得到的结果无法使用。请选择说话人实际使用的语种。香港媒体、家庭档案和粤语访谈请使用专门的粤语转录选项，大陆和台湾地区的音频请使用普通话转录。

阿拉伯语：贯穿各地的方言连续体

阿拉伯语包括现代标准阿拉伯语，以及埃及、黎凡特、海湾和马格里布等地区的方言。现代标准阿拉伯语的广播和正式讲话转录最稳定，日常方言音频的变化较大，需要校对一遍。阿拉伯语转录页面提供了针对方言的详细指引。

葡萄牙语：巴西与葡萄牙

Sonix 提供一个同时涵盖巴西和欧洲葡萄牙语的选项。两地的发音差别明显，个别词汇也有分歧，所以无论上传哪种变体，都请快速核对一下专有名词和地区性用语。葡萄牙语转录页面对两种变体都有说明。

从右向左书写的文字

阿拉伯语、希伯来语、波斯语和乌尔都语的转录稿以原生的从右向左文字呈现，而不是罗马字母转写，编辑器在您校对时也会按从右向左排版。更多细节请参阅希伯来语转录和乌尔都语视频转录指南。

使用原生文字，而非罗马字母转写

使用非拉丁文字的语言，包括印地语（天城文）、孟加拉语、泰米尔语、泰语、韩语、日语和希腊语，都以各自的文字输出。如果后续工具需要拉丁字母版本，请先用原生文字转录，再把转录稿翻译成英语。用原生文字转录能保证准确率，在识别阶段就转成罗马字母则不行。

多语言音频的自动语言检测

当您不确定文件是哪种语言，或者录音中夹杂多种语言时，Sonix 可以为您识别语言，也可以在同一个文件中转录多种语言。

自动检测语言

如果文件来自各种渠道，无法逐个确认，上传时请选择“Auto-detect language”。Sonix 会识别所说的语言，并把文件交给合适的识别模型，因此一批西班牙语、法语和德语的访谈可以一起上传，不必事先分类。

一段录音中含多种语言

如果文件中会切换语言，请选择“Transcribe in multiple languages”，并勾选出现的所有语言。Sonix 会按听到的语言转录每一段对话，所以在英语和西班牙语之间切换的双语焦点小组、混用乌尔都语和英语的侨民访谈，或者阿拉伯语发言人与法语发言人同台的国际论坛，都能得到一份完整的转录稿。

有一点要说明的是，这个功能在语言切换发生于说话人之间时效果最好，而不是句子中间。同一句话里快速切换语言，是语音识别中最难的情况。对于频繁混用语言的音频，请按主要语言转录，再在编辑器中修正例外之处。

知道是哪种语言，就直接指定

如果您已经知道文件的语言，请直接选择。指定语言可以省去识别步骤，并确保从第一秒起就由合适的模型处理您的音频。

先转录，再翻译

从外语音频得到英文文本，最可靠的方式是分两步：先用原语言转录音频，再翻译完成校对的转录稿。

用源语言转录，可以让识别模型处理它熟悉的内容，翻译时则是基于干净的文本，而不是对着音频去猜。Sonix 内置了这个衔接：转录稿完成后，一键即可翻译成 54+ 种语言中的任意一种，采用能保留语境和含义的神经机器翻译。翻译几分钟内完成，仍在同一个账户里，无需重新上传。

典型用途包括：把西班牙语焦点小组的转录稿翻译成英语，写进客户报告；把阿拉伯语访谈转录稿做成英文字幕；或把英文播客的转录稿本地化给德语听众。由于翻译是基于校对后的转录稿，您在编辑器中所做的每处修改都会带入所有译文。

对视频团队来说，同样的衔接也用于多语言字幕。先转录原始音频，校对一次，翻译，然后为每种目标语言导出 SRT 或 VTT 字幕文件。原转录稿的时间戳会一并保留，因此译文字幕与视频保持同步，无需手动调整时间轴。

想进一步了解，请参阅Sonix 翻译功能，或在我们的自动转录页面了解完整流程。

为多语言团队而设计

研究小组、新闻编辑室、法律团队、市场调研公司和播客主，上传的方式都一样，只是语言不同。

研究人员与学者

口述史项目、语言学田野调查和跨国研究，参与者说什么语言，就会产生什么语言的音频。Sonix 提供带时间戳的原生文字转录稿，引用时可以精确指向录音中的对应时刻。

新闻编辑室与媒体

记者从现场传回阿拉伯语、希伯来语、西班牙语和法语的采访。先用源语言转录，可以保留原话；翻译则在核实过的文本基础上进行。

法律与合规团队

多语言的证词、客户通话和证据音频，需要准确且带时间戳的记录。有了字级时间戳，对照原始音频核查任何有争议的段落都很快。

市场调研公司

西班牙语、粤语或葡萄牙语的焦点小组，几分钟内就能变成可搜索的文本，分析师当天就能编码主题，不必再等翻译服务商。

播客主与视频制作人

原语言的转录稿能为节目说明和搜索曝光提供支持，一键翻译后，同一份转录稿导出 SRT 和 VTT，就能变成面向新市场的字幕。