# Whisper 中英混合转录：语言检测、分段指定与中文数字回听

Whisper 中英混合转录通过独立输入、具体脚本和逐项回听完成。本页附 CPU tiny/int8 真实 ASR 结果，保留误识别，人工原文单独保存。

## 1. 先听出语言切换位置

练习录音先英文后中文，间隔一秒。下载 language-regions.json 查看按实际输入时长记录的切换点；这是人工已知输入区间，不是模型自动检测结果。

## 2. 运行自动检测，保留真实语言结果

不传 --language 运行整条录音，记录 language 与 probability。自动检测通常给一个主要语言标签，不意味着每一小段都被正确按对应语言解码。

## 3. 将单语区间分别识别

对已知英文与中文输入分别运行 language=en 和 language=zh。图中并列的是三次真实 tiny 输出，不人为改正；中文识别可能错误，必须将准确原文作为独立预期。

```sh
python run.py input.wav --out language-auto.json --words
python run.py english.wav --out language-en.json --language en --words
python run.py chinese.wav --out language-zh.json --language zh --words
python check.py
```

## 4. 区分转录与翻译

本页 task=transcribe，保留原语种。不要把英文输出自动当作中英翻译；需要翻译时另存译文并关联来源，不覆盖原语种逐字稿。

## 5. 专门回听周五下午三点

对周五、下午、三点逐一检查，标记错字或漏字。模型语言概率高不证明这些数字正确；改变 language 或更换模型后保留版本。

## 6. 合并时恢复原时间偏移

分段单语录音的时间从各自零点开始，合并到长录音需要加原区间 offset。保留 language-regions.json，避免中文字幕整体提前。

## 7. 下载材料、检查负例与继续操作

解压素材包后先运行 python check.py，再运行 python check.py --self-test。前者读取真实 WAV / JSON / SRT 与源 hash；后者拒绝损坏 WAV、倒置时间、越界时间和缺失词时间。文件通过不代表文字、情绪或说话人判定已通过。

## 来源与范围

见 PROVENANCE.md。WhisperX/CosyVoice 推理本次未执行，系统音频为原创练习输入。

- https://github.com/SYSTRAN/faster-whisper
- https://github.com/SYSTRAN/faster-whisper/blob/master/faster_whisper/transcribe.py
- https://huggingface.co/Systran/faster-whisper-tiny