装上就能干活的 AI 小程序

适用场景

适合将会议录音、访谈、课程、播客及其他本地音视频整理为带时间轴的文字，并继续制作字幕、中文文稿、摘要、关键要点和行动项。

核心功能

• 本地离线转写：在当前页面解码音视频，并使用 Whisper 多语言模型识别语音。长文件按约 2 分钟分段处理，近似静音片段会被跳过。
• 时间轴校对：识别结果按时间片段展示，可逐段编辑；有原始文件时，点击时间可从对应位置播放。
• 自动 AI 校对：完整转写后自动分批校对明确的错字、拼写和识别错误。改动幅度过大的建议会被拒绝，并保留原识别文字。
• 英文翻译：识别语言选择“英语”，或“自动识别”判定内容为英文时，会先校对英文，再逐段生成简体中文翻译，并沿用原时间轴。
• 摘要整理：可根据已校对的文字及已有中文译文生成简体中文摘要、关键要点和行动项。
• 多格式输出：支持复制带时间的文字，以及导出 SRT、VTT 和 TXT。
• 历史记录：保存最近 20 条文字化记录，包括原始转写、校对文字、翻译、时间轴、摘要和行动项；不保存原始音视频。

开始使用

1. 准备运行环境

离线识别需要当前客户端支持 WebAssembly 和独立计算线程。可在“设置”页查看这两项是否可用。

AI 校对、英文翻译、自然段 TXT 和一键总结需要客户端存在已就绪的 AI 模型连接。默认使用首个可用连接的默认模型，无需先在小程序内创建配置；如需指定连接、模型或自定义规则，可前往“设置”选择“自选 AI 配置”。

2. 下载离线识别模型

在左侧“离线识别模型”区域选择模型：

• Tiny Q5_1：约 31MB，速度更快，适合清晰语音和快速初稿。
• Base Q5_1：约 57MB，准确率更高，适合会议、数字和专有名词。

点击“下载所选模型”，等待下载、完整性校验和保存完成。两个模型分别缓存，切换模型不会删除已经下载的模型。

3. 选择音视频

1. 点击“选择文件”，选择本地音频或视频。
2. 支持浏览器可解码的常见格式；无法解码时可改用 WAV、MP3、M4A、AAC、WebM 或 MP4。
3. 单个文件不能超过 250MB，时长不能超过 60 分钟。
4. 选择后可在页面内预览或播放原文件。

4. 设置识别选项

“识别语言”可选择：自动识别、中文、英语、日语、韩语、法语、德语或西班牙语。

当选择“自动识别”或“中文”时，还可设置中文字形：

• 统一为简体中文：识别片段出现时转换为简体字，AI 校对后再次统一。
• 保持识别原样：保留识别得到的中文字形。

英文翻译始终输出简体中文，不受该选项影响。

主要操作

转写并自动校对

1. 确认已选择文件，且当前离线模型显示“可用”。
2. 点击“开始转写”。
3. 页面依次显示文件解码、模型装载、分段识别、文字校对及英文翻译进度。
4. 自动处理完成后，“转写”页一次性显示最终时间轴文字；英文内容显示“校对英文”和“简体中文”两栏。

处理过程中可点击“取消”或“停止转写”。取消后，已经完成的片段仍可继续校对和保存。

如果离线转写完成但 AI 校对或翻译失败，已识别文字仍会保存。可在“转写”页点击“重新校对”或“重新校对与翻译”继续处理。

校对和编辑时间轴

• 点击左侧时间，可从该片段起点播放当前音视频；打开历史记录时没有原始媒体，因此时间按钮不可播放。
• 可直接编辑每段文字。
• 英文记录可分别编辑校对英文和简体中文译文。
• 修改校对英文后，该片段原有中文翻译会被清除，需要重新校对与翻译。
• 手动修改文字后，记录会重新变为待校对状态，需再次完成校对后才能导出 TXT。

主动点击“重新校对”或“重新校对与翻译”时，应用会打开“校对与翻译预览”，仅列出有变化的片段。确认后点击“应用”，或点击“取消”放弃本次建议。

如需撤销已应用的 AI 结果，点击“恢复原文”。确认后，当前校对文字、翻译和摘要会被清除，并恢复为原始识别文字。

完成检查后，可点击“保存校对”或“保存双语”写入历史记录。

生成摘要和行动项

1. 打开“摘要”页。
2. 点击“一键总结”。
3. 查看“摘要”“关键要点”和“行动项”。

如果当前文字尚未校对，该操作会先执行校对；英文内容还会先生成简体中文翻译，再生成整理结果。行动项只显示转写内容中能够明确识别出的任务；没有明确行动项时会显示相应提示。

复制与导出

在“转写”页工具栏中选择需要的操作：

• 复制：复制带片段起始时间的文字。英文记录同时保留校对英文和简体中文译文。
• SRT：导出带起止时间的字幕文件。英文记录导出双语字幕。
• VTT：导出 WebVTT 字幕文件。英文记录导出双语字幕。
• TXT：仅在完成校对后可用，不包含时间轴。

TXT 提供两种格式：

• 文字直排版本：去除标点并按句换行。英文记录只导出简体中文译文，非英文记录导出校对后的原文。
• 自然段版本：使用所选或客户端默认 AI 恢复标点并按主题语义分段。生成结果会检查原文字符、标点密度和段落长度；检查失败时不会下载文件。

历史与设置

历史记录

打开“历史”页可查看文件名、创建时间、时长、片段数、双语状态和所用模型。点击记录可重新打开文字、翻译及摘要；点击删除按钮并确认后可移除该记录。

历史记录最多保留 20 条，超过后会移除较早的记录。

AI 设置

在“设置”页可选择：

• 客户端默认模型：自动使用客户端中已就绪连接的默认模型。
• 自选 AI 配置：指定连接、模型或自定义校对与总结规则；选择此模式后必须指定有效配置。

数据与注意事项

• 原始音视频只在当前小程序页面中解码，不上传，也不会写入历史记录或应用资产库。
• 离线识别模型需要联网下载，下载完成后保存在当前应用的私有资产中。
• AI 校对、翻译、自然段整理和总结需要可用的 AI 模型连接，并会以转写文字作为处理输入。
• 原始识别文字会随记录保留，便于恢复；恢复原文会清除当前校对文字、翻译和摘要。
• 自动校对以保守修正为原则。片段数量、ID 或顺序不完整，或建议改动幅度过大时，应用会拒绝相应结果或保留原文。
• 音质较差、语音不清或近似静音的文件可能无法识别出清晰内容；遇到提示时可更换更清晰的片段。
• 模型下载、AI 连接或环境能力不可用时，对应功能无法执行，请根据页面提示检查模型状态、AI 配置及当前环境。