聆语

聆语是什么？

聆语是一款运行在本机的语音转文字工具。把会议录音、访谈音频、课程视频或语音备忘录交给 WorkBuddy，它就能调用聆语将其中的讲话内容整理成可阅读、可复制、可继续加工的文字。

它尤其适合重视隐私的场景：完成首次环境和模型准备后，转写过程在本机运行，音视频内容无需上传到第三方转写平台。

你可以用它做什么？

• 整理会议录音：先把录音转成文字，再让 WorkBuddy 提炼会议结论、待办事项和负责人。
• 整理采访或调研素材：保留完整原话，方便后续归纳观点、摘取引语和撰写稿件。
• 为课程和视频生成文字稿：从 MP4、M4A 等文件中识别语音，用于制作字幕、讲义或内容摘要。
• 归档语音备忘录：将零散录音转成可搜索的文本，便于分类和长期保存。
• 处理不便上传的资料：适用于内部会议、未公开访谈及其他对数据隐私要求较高的音频。

使用起来有多简单？

导入技能后，直接在 WorkBuddy 中用自然语言说明文件和要求即可，例如：

把这段会议录音转成文字，并按段落整理。

识别这个视频里的中文内容，保留每段的时间戳。

将这段采访转写成 JSON，方便我后续处理。

如果你没有指定语言或模型，聆语会根据任务选择合适的处理方式；有明确要求时，也可以指定语言、模型大小和输出格式。

核心能力

能力	说明
本地离线转写	模型准备完成后，识别过程在本机执行，原始音视频不必上传到第三方转写服务
多语言识别	可自动识别语言，也可明确指定中文、英文等语言
多档模型	提供 tiny 到 large-v3 等多档模型，可在速度、资源占用和识别精度之间选择
常见格式兼容	支持 MP3、WAV、M4A、AAC、FLAC、OGG、MP4 等常见音视频格式
多种输出	支持纯文本和 JSON，也可输出分段时间戳或词级时间戳
自动环境检查	首次使用时可根据技能说明检查并配置所需运行环境，重复执行不会破坏已有配置

怎么选择模型？

• 先求速度：短语音、内容较清晰或只想快速了解大意时，可选择较小模型。
• 兼顾速度与准确度：日常会议、访谈等场景可从中档模型开始。
• 优先准确度：口音明显、多人对话、背景噪声较多或专业词汇较多时，可选择较大模型，但处理时间和电脑资源占用也会增加。

不确定时无需自己研究参数，可以告诉 WorkBuddy“优先速度”或“优先准确度”。

使用前需要知道

• 支持 Windows 10/11、macOS 和主流 Linux 环境，实际速度取决于音视频时长、所选模型和电脑性能。
• 首次安装依赖和下载语音模型通常需要联网；模型下载完成后可离线转写，也可按企业环境配置内网镜像。
• 背景噪声、多人同时说话、距离麦克风过远或大量生僻专有名词都会影响识别结果，重要内容建议人工复核。
• 聆语负责把声音转成文字；如果还需要会议纪要、摘要或待办清单，可在转写完成后继续让 WorkBuddy整理。

适合谁？

经常处理会议、访谈、课程、视频和语音资料的行政、人力、研究、内容创作、教育及项目团队，都可以用聆语减少反复听录音和手工打字的时间。