MAI Playground 的音频转文字功能怎么用?

MAI Playground 的音频转文字功能支持两种输入方式：直接录音，或上传 .mp3、.wav 格式的音频文件，然后由模型输出文字转录。转写时可以在 Transcript、Verbatim、Clean 三种模式中选择，页面还列出了临床听写、预算审查、药房支持等参考场景。如果你手上已有 mp3/wav 音频，或想现场录一段语音转成文字，这个工具可以直接用；如果音频是其他格式，需要先自行转换。

输入方式与操作流程

方式一：现场录音

1. 打开 MAI Playground 的音频转写页面。
2. 点击开始录音，允许浏览器访问麦克风。
3. 说话结束后停止录音。
4. 选择转写模式，提交转写。
5. 预期结果：页面返回该段录音的文字内容。

方式二：上传音频文件

1. 准备好 .mp3 或 .wav 文件。
2. 在页面上传该文件。
3. 选择转写模式。
4. 提交转写，等待返回文字结果。

两种方式共用同一套转写模式选项，区别只在于音频来源是实时录制还是本地文件。

三种转写模式怎么选

页面提供 Transcript、Verbatim、Clean 三个选项，它们对应不同的输出风格：

具体输出差异以页面实际结果为准。选择时按用途判断：要引用原话选 Verbatim，要一份干净文档选 Clean，常规记录选 Transcript。

适用场景

页面列出的参考场景包括：

• 临床听写：把口述内容转成文字记录。
• 预算审查：整理会议或讨论的语音内容。
• 药房支持：转录相关语音信息。

这些场景的共同点是音频内容需要落成可检索、可编辑的文字。只要你的音频属于 .mp3 或 .wav，且内容适合转写，就可以按上面的流程操作。

常见卡点

• 格式不符：只接受 .mp3 和 .wav，其他格式需先转换。
• 录音无声音：检查浏览器麦克风权限是否已授权。
• 模式选错：Verbatim 会保留口语原貌，Clean 会做整理，按最终用途选，避免返工。
• 准确度预期：页面强调高准确度转录，但音频清晰度、口音、背景噪音仍会影响结果，重要内容建议人工核对。