MAI Playground 转写模式 Transcript、Verbatim、Clean 有什么区别?

更新时间

MAI Playground 的音频转写功能提供 Transcript、Verbatim、Clean 三种输出模式，核心区别在于对原始语音的保留程度：Transcript 是常规转录，Verbatim 逐字保留口语细节，Clean 则整理为更通顺的书面文本。选择哪一种，取决于你需要的是“可读的成品”还是“可追溯的原始记录”。

三种模式的核心差异

模式 保留程度 典型特征 适合场景
Transcript 中等 常规转录结果，兼顾可读性与内容完整 一般会议记录、内容整理
Verbatim 最高 逐字保留，可能包含口语、重复、语气词 需要原始表达、法律或研究留档
Clean 最低 整理为更通顺的文本，去除冗余 直接用于发布、报告、字幕

三者的关系可以理解为同一条音频的三种“加工深度”：Verbatim 最接近说话原貌，Clean 最接近可直接使用的书面稿，Transcript 居中。

怎么选：按你的用途决定

  • 需要保留说话人的原始表达（例如访谈研究、需要引用原话、核查是否漏说）：选 Verbatim。代价是文本里会保留口语和重复，阅读时需要自己过滤。
  • 需要一份能直接用的通顺文本（例如整理成文章、生成字幕、写进报告）：选 Clean。代价是原始口语细节被整理掉，不适合逐字核对。
  • 不确定，或两者都要兼顾：先用 Transcript，它是最通用的默认选择；如果发现细节不够再切到 Verbatim，或发现太啰嗦再切到 Clean。

使用时的前提与操作

MAI Playground 的转写入口支持两种输入方式：开始录音，或上传音频文件，上传格式为 .mp3、.wav。上传或录制后即可进行转写，并在 Transcript、Verbatim、Clean 之间选择输出形式。

页面给出的示例场景包括临床听写、预算审查、药房支持，说明该功能面向的是需要把语音快速转成文本的专业场景，而非单纯的娱乐转录。

常见卡点

  • 格式限制：目前页面明确支持 .mp3 和 .wav，其他格式需要先转换。
  • 模式选错导致返工：如果一开始选了 Clean，事后想核对原话会比较困难；对留档要求高的任务，建议先出 Verbatim 再另行整理。
  • 口语内容的预期管理：选 Verbatim 时不要期待通顺的书面语，重复和语气词是它的特性而非错误。

如果你的目标是“拿到能直接用的文本”，Clean 最省事；如果目标是“不丢任何原始信息”，Verbatim 更稳妥；拿不准时，Transcript 是风险最低的起点。