展开本页目录
开始前准备什么
- 下载本页素材，使用有权处理的声音，保留原始输入。
- 为对应工具建立独立 Python 环境，核对实际模型与版本。
- 先在小样中试听并保留失败记录，再处理长录音。
- 先听出语言切换位置
- 运行自动检测，保留真实语言结果
- 将单语区间分别识别
- 区分转录与翻译
- 专门回听周五下午三点
- 合并时恢复原时间偏移
本任务输入、脚本、原始输出或明确待运行模板、原文、校验与损坏负例；不含模型权重。
macOS say 合成的本站原创任务输入；不是模型生成成功证明。
朗读输入与回听依据，独立于机器实际稿。
包含具体命令、步骤、来源与未运行范围。
保留原始文件；准确性需回听，脚本存在不代表模型已运行。
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。
run-commands.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.py4. 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。
怎样确认已经完成
- 自动检测结果与实际原语种保留。
- 中文数字和英文 deadline 分别回听。
- 分段合并添加原区间 offset，没有冒充自动语种切换。
常见问题
自动检测语言会自动切换每一段吗？
一次结果通常只有主语言标签。本页通过已知切换点拆分并指定语言来比较；复杂真实录音需先分段核对，不宣称自动逐句切换。
tiny 中文错字多怎么办？
保留原始识别错误，回听修订或使用适合自己硬件的更大多语模型。练习结果不是大模型准确率基准。