指南

如何转录一段两小时的录音

长文件失败的方式，是短文件从来不会有的——按分钟计费、上传限制、内存，以及转到一半就化成重复文字的文稿。

30 August 2026

十分钟的语音备忘录，几乎用什么都能转好。两小时的董事会会议是另一个问题，而大多数工具会以四种具体方式之一把它处理砸。

如果你手上有一段长录音，正想弄清楚它为什么不顺利，这篇就是那张地图。

会出问题的四件事 #

1. 价格，如果你按分钟付费 #

云转录通常按音频分钟数出售。按常见费率，一段两小时的录音是几美元——偶尔一次没问题，成为习惯就很肉疼。如果你每周都要录一场两小时的会，那就是一笔你确实会注意到的订阅费，而这件事你的笔记本在你冲咖啡的工夫就能做完。

这是四件事里最容易解决的：本地转录没有按分钟的计价表，因为压根没有计价表这回事。

2. 上传时间和文件限制 #

两小时的 WAV 可能有几百兆。在酒店 Wi-Fi 上传这么大的文件，花的时间比开会还长，而且很多服务对文件大小或时长设有上限，会直接拒收。

大家常用的变通办法是在上传前压缩或切分文件，这既损失质量，又会制造第四点里的边界问题。

3. 内存，在你自己的机器上 #

如果你在本地转录，工具必须把音频以原始采样的形式保存在内存里。两小时的 16 kHz 音频大约是 470 MB 的浮点采样，而 Whisper 还要在此之上构建一个规模相当的频谱图。

在一台 16 GB 内存的 Mac 上，谁都不会察觉。在 iPhone 上，一个不加思索就把整个文件读进来的应用会在中途被系统终止——这就是为什么有些移动端转录应用悄悄限制文件长度，或者在处理长录音时崩溃却不说明原因。

解决办法是分窗口转录：解码一段、转录它、释放它，再继续。这样内存峰值取决于窗口大小而不是文件长度，两小时的录音和十五分钟的录音代价差不多。

4. 文稿中途散架 #

这一条最让人意外，因为前十分钟看上去完美无缺。

长录音里包含静音——会议开始前、中场休息时、大家散场之后。Whisper 会为交给它的任何东西生成文字，而当交给它的是静音时，它会不断重复自己，有时能重复出好几页。我们详细写过其中的成因，因为这是关于自动转录最常见的一条抱怨。

对两小时的文件来说，这不是外观问题。它能把你文稿的最后四分之一变成一堆噪声。

让它顺利跑完 #

用可以被转录的方式录制 #

后面的一切都在这一步决定，在一场长会之前值得花三十秒想一想：

• **让麦克风离说话的人比离空调更近。**手机摆在会议桌正中间是经典错误——它与每个人等距，也就意味着它离每个人都远。
• **可以的话用无压缩录制。**正常码率的 WAV 或 M4A。重度压缩去掉的，恰恰是用来区分相似辅音的高频细节。
• **会一结束就停止录音。**二十分钟收拾东西的杂音，正是重复问题的原材料。

明确指定语言 #

自动识别取的是文件开头的一段样本。如果你的录音以三十秒的环境噪声开场，或者开头有人说的语言与会议其余部分不同，识别就可能选错，并且一错就是两个小时。

如果你知道语言，就把它设好。在 Offline Transcription 里，你可以长按某个文件的转录按钮直接选择它的语言，当你要批量转录一组不同语言的录音时，这一点最为要紧。

启动它，然后去干别的 #

在现代 Apple Silicon 的 Mac 上，两小时的文件只需要几分钟，而不是几小时——设备端引擎的速度是实时的好几倍。在较老的 Intel Mac 上会慢一些，值得在午饭前启动，而不是守着看。

它运行时你希望从应用那里得到的，是诚实：一个百分比和一个剩余时间，让你知道它是在干活还是卡住了。对一个两小时的文件，一个没有进度的转圈图标和死机没有区别。

检查边界，而不是通篇 #

你不会去校对两小时的文字。你也不必。

长文稿里的错误集中在可以预料的地方：人名和缩写、第一分钟（此时模型还没有上下文）、大家抢话的时刻，以及录音性质发生变化的任何位置——有人通过免提加入、房间挪动、开始播放视频。

带时间戳的分段视图让这件事变快：扫一遍那些时刻，对任何看着不对劲的行播放它背后的音频，而不是在两小时的波形上拖来拖去地找。

如果你手上有一摞长录音 #

单个文件的操作细节，不如队列重要。把它们全放进去，让它们依次跑完，过一会儿再回来——在本地没有理由一次只做一个，因为既没有上传，也没有按文件计费。

唯一值得逐个文件去做的，是在语言不同的情况下设定语言。

简短版本 #

长录音会栽在价格、上传限制、内存和静音引发的重复上。本地转录直接消除了前两项。至于后两项，你需要的是一个分窗口转录而不是整个文件读进内存的工具，并且它要运行语音活动检测，让安静的片段根本不会送到模型面前。然后在边界处检查文稿，而不是把两小时全读一遍。

Offline Transcription 就是专门针对两小时这种情况做的：分窗口转录让内存保持平稳，语音检测让静音不会变成重复文字，实时进度和剩余时间让你知道自己进行到哪儿了。它在 Mac 和 iPhone 上都可以免费下载试用。