MP3、M4A(iPhone语音备忘录使用的格式)、WAV、WebM和OGG可以直接上传。MP4和MOV等视频文件也可以:Scholarly会将音轨转换为文字,忽略画面。长录音也没问题,包括数小时的讲座,你无需事先拆分。
将音频转换为文字会得到逐字记录:每一句话按顺序排列,并带有时间戳。当确切措辞很重要时,这正是你需要的,比如论文中的引文、定义的准确表述,或研讨课上提出的确切观点。如果你更希望录音被精简并按主题整理,请使用 音频转笔记 。它在底层使用同样的转录,然后将其总结为结构化的学习笔记。无论哪种方式,完整的转录文本都会保留,你永远不会丢失原始文字。
音频清晰时,准确度很高:干净的讲座和访谈录音几乎可以逐字还原。转录文本带有时间戳,所以当某个词看起来不对时,你可以直接跳到那一秒,点几下就能对照音频确认,而不必重读全文。
真正影响准确度的是录音本身,而不是模型:麦克风离说话人太远、大量交叉对话、浓重口音叠加背景噪音,或大量专业术语,都会降低文字质量。对于任何关键内容(你要引用的数字、名字或专业术语),请在对应时间戳处对照音频核实。这只需几秒钟,而且你是在对照实际说过的话进行核查。
录音会成为你Scholarly工作区中的一个来源,所有功能都基于转录文本,无需重新上传:在全文中搜索任意术语,把它整理成清晰的学习笔记,生成间隔重复抽认卡或练习测验,或者向AI对话提问,获得引用音频确切段落的回答。文字比音频更有用,正是因为你可以基于它采取行动。学习时阅读转录文本,比被动重播录音更能加深理解。
需要先获得逐字文本? 我们的讲座转录工具 正是为此打造的:为整堂课提供可搜索、带时间戳的转录文本。