以失败案例收紧标准
早期约70分钟录音曾被整理为4页口播，多个命例与推演被概述。复盘后将它识别为删节摘要，重新明确标准口播只去口癖，另有精简需求则单独制作。
CASE 13 / CONTENT / WORKFLOW
长音频转写与校订 Skill
把转写变成可追查的文稿生产流程
长音频转写与校订流程图 · 分块识别、核听校订门槛、返修回路与三稿导出 查看原图 ↗
MY CONTRIBUTION / 项目中的我
把长音频转写、逐段校订和派生稿件做成可追溯的工作流
我负责什么
设计分块转写、术语和数字校订、实际回听、疑点关闭、版本冻结及三稿导出检查。
形成了什么
- 长音频转写与校订Skill 1.1.0
- 逐段来源、术语核对和版本状态规则
- 31项合成检查与示例Word/Markdown导出
项目价值
帮助团队把转写、校订、核听与多种文稿输出组织为清晰的编辑流程。
项目背景与目标
将长音频转为带时间定位的候选逐字稿，衔接术语校订、逐段核对、口播稿与文章导出，保留来源与修改记录。
专业长录音会遇到口音、术语、缺图和识别循环。机器文本即使顺畅，也可能写错天干、数字、否定或自我更正；整理时只追求简洁，还会删掉讲解中的例子与条件。
我将这些问题整理为可复用Skill：保存候选和来源，按段校订逐字稿，再派生去口癖口播稿，文章另写。v1.1.0把实际核听、版本冻结和逐处差异检查纳入正式门槛，让状态对应真实完成范围。
要解决的问题
长录音含专业词、口音和重复表达，机器文本即使通顺也可能失真，后续改写还容易丢失条件与原意。
我的工作与交付范围
工作流设计与工具整理
- 组织分块识别、样本比较、时间覆盖、异常修复与断点身份校验。
- 设计术语、段级修订、核听、疑点关闭和版本冻结记录。
- 整理三稿检查、Word/Markdown导出、渲染及分发脚本，用合成数据验证门槛。
实施重点
- 组织多引擎样本比较、时间覆盖检查和断点续跑，保留候选与异常状态。
- 把术语、实质修订与待核段落分别记录，先校订逐字稿再派生其他文稿。
- 设置草稿与正式导出门槛，配合逐项差异检查和Word版面复核。
从输入到输出，流程怎样运转
- 01
抽样选择识别方案
先在开头、中段、末段及术语密集处比较引擎，记录模型版本和设置。Qwen、Whisper和Breeze均为外部模型，局部比较不代替全长真值。
- 02
保存连续候选与异常
各音频独立保存哈希、参数和分块结果，检查空输出、循环与预算触顶。异常块只短段修复一次，仍有问题则保留待核状态。
- 03
校订并冻结逐字稿
逐段核词并完整回听，重点校对数字、专业术语、否定词和语序，形成可追溯的逐字稿。
- 04
派生、检查与导出
口播稿从冻结逐字稿复制，仅删确定无义口癖或纯机械紧邻重复并调整标点，逐处记录差异。文章另按来源段落重组；完成状态检查后导出文档，再渲染查看中文与分页。
关键设计与取舍
资料只能辅助辨词
领域词典的替换默认关闭，讲义与原典用于支持辨词候选。缺图、听不清或未回听的段落保留时间和问题，避免用理论上顺畅的文字覆盖原讲解。
核听与版本记录分别管理
文字交叉校对与实际听辨分别记录，核听范围和修订依据可追溯。全段听辨、疑点关闭后冻结逐字稿；草稿与正式稿在文件名、标题和清单中明确区分。
把来源与派生版本绑定
音频、模型或参数变化时不能无条件复用旧块；逐字稿修改后需重新生成口播并复核差异，避免只改派生稿而丢失来源。
具体交付了什么
- 1.1.0可复用工作流包
- 包含Skill、编辑规则、运行说明、词典、脚本、安装及第三方依赖说明，不携带用户音频和模型缓存。
- 候选与编辑状态
- 保存ASR、逐段编辑、修订决定、核听范围、待核问题和来源摘要，支持断点续作。
- 三类文稿导出
- 支持逐字稿、口播稿、文章的Markdown和Word，另有校对报告与manifest；草稿在文件名、标题和清单明确标记。
- 门槛与版面检查
- 提供结构自检、正式/草稿拒绝规则及文档渲染入口，渲染成功后仍要求实际看页。
- 匿名化真实任务样例
- 两段真实录音各自形成逐字稿、口播稿与文章，并导出Word/Markdown；附有交叉校对报告和导出清单。案例页只说明流程，不公开原始录音或讲者信息。
项目亮点
- 覆盖术语核对、逐段核听、版本确认与三稿导出流程。
- 支持逐字稿、口播稿和文章的Word与Markdown输出。
- 提供数字、否定词与关键内容的校订检查。
项目成果
- 形成1.1.0可复用工作流包，包含脚本、安装与核对说明。
- 支持逐字稿、口播稿和文章的Word/Markdown导出及状态记录。
继续了解这个项目
欢迎交流这个项目中的产品思路、制作过程与交付经验。