# 音频语言识别，让多语言录音也能逐段整理

> 音频语言识别默认开启：language设为auto即可自动识别，每段文字也有自己的语言标签。已知语言时，可传入ISO 639-1代码作为提示。

Canonical: https://transcript1.com/zh/features/yinpin-yuyan-shibie
Language: zh-Hans
Last updated: 2026-10-19

音频语言识别默认开启，language保持auto即可。AI转录会为每段文字标注语言，方便整理混合语言的录音；已知录音语言时，也可以主动传入语言提示。

- language默认使用auto
- 每段都有自己的language字段
- 可用任意ISO 639-1代码提供语言提示

## 不确定就自动识别，已知语言就给提示

### 不需要先判断音频是什么语言

language=auto时，AI转录会识别录音中的语言，不必为每份输入提前填好语言。

### 混合语言按段保留

每段的language字段对应这一段的语言，整理双语访谈时可以查看在哪些地方切换了语言。

### 整份转录也有主要语言

确定主要语言后，转录对象顶层的language会给出整段录音的主要语言，方便分类。

### 已知语言时传入代码

使用en、de、es等两字母ISO 639-1代码，为AI转录提供识别提示。

### 读取字幕时，用它选择语言

处理YouTube字幕时，language用于选择字幕轨道。auto会选择视频原始语言，不使用自动翻译字幕。

## 省略language，就会自动识别

所有来源都默认使用language=auto，也可以完全省略这个字段。它在字幕选择和AI转录中的作用不同，详见[language选项说明](https://transcript1.com/zh/docs/sources-and-options#language)。

一批录音来自不同人、不同来源时，自动识别能避免把整批都强行按同一种语言处理。若已经知道某份录音的语言，直接给两字母代码，也能减少开头太短或含糊带来的影响。

识别依据是实际音频。音乐、长时间静音或很短的外语短语，能提供的线索不如清楚的对话。语言标签看起来合理，也不代表每个词都正确，仍要检查文字。

### 上传音频并自动识别语言

```
curl -X POST "https://api.transcript1.com/v1/transcriptions?wait=60" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" \
  -F file=@field-notes.m4a \
  -F language=auto
```

## 多语言音频 转文字后，不要只看主要语言

顶层language表示主要语言，每段的language则说明这一段使用什么语言。字段位置见[转录对象文档](https://transcript1.com/zh/docs/api-reference#the-transcription-object)。

顶层字段适合给任务分类，分段字段适合把具体内容交给对应语言的编辑或索引。双语访谈可能用一种语言开场、另一种语言回答，按主要语言过滤所有段落会丢掉部分内容。

下面的JSON只演示分段标签。实际录音里的语言切换未必恰好落在句子边界，一句话里混用语言、姓名和专业词都可能需要人工核对。

另做校对稿或翻译稿时，保留原始段落文字，方便对照。

### 分段语言JSON节选

```
{
  "status": "completed",
  "transcript_source": "speech_to_text",
  "language": "en",
  "transcript": {
    "segments": [
      { "start": 0, "end": 3.4, "speaker": null, "language": "en", "text": "Good morning." },
      { "start": 3.4, "end": 7.9, "speaker": null, "language": "de", "text": "Guten Morgen." }
    ]
  }
}
```

## 知道录音语言，就传入两字母代码

用ISO 639-1代码设置language。单次上传文件时，它是multipart表单字段，写法见[文件上传文档](https://transcript1.com/zh/docs/uploads#one-shot-upload)。

对AI语音转文字来说，这个代码是识别提示；对YouTube字幕来说，它用来选择字幕语言。自动选择字幕时跟随视频原始语言，不取自动翻译轨道。同一个系统同时处理文件和YouTube链接时，要区分这两种用途。

传入en不会把西班牙语录音翻成英语，接口返回的仍然是转录文本。需要翻译时，另做翻译和校对，并保留原始转录用于比较。

### cURL

```
curl -X POST "https://api.transcript1.com/v1/transcriptions?wait=60" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" \
  -F file=@interview.m4a \
  -F language=de
```

## 按语言分配内容前，先核对切换处

应用要按语言分配编辑或建立搜索索引时，同时保存主要语言和分段标签。不要只因为某段不同于主要语言，就把那段回答排除。

回听语言切换前后的句子。一个姓名、引文或外来词，不代表整段都换了语言，也不能据此推断说话人的语言能力、背景或身份。

标签不对时，先检查是不是选错音轨、需要的语音是否清楚，再考虑修改提示重新提交。新选项可能创建新的付费转录，和免费读取已有导出不同；保留旧文本，方便比较。

| 使用场景 | 先检查什么 |
| --- | --- |
| 混合语言的研究访谈 | 逐段核对语言，后续翻译时把原话保留在旁边。 |
| 带旁白的短Reel | 确认音乐或简短片头没有盖住需要转录的语音。 |
| 获取YouTube字幕 | 选择匹配的字幕语言，不使用自动翻译轨道。 |

- [整理多语言访谈](https://transcript1.com/zh/use-cases/fangtan-luyin-zhuan-wenzi)
- [获取Instagram Reel的转录文本](https://transcript1.com/zh/features/instagram-reels-zhuan-wenzi)

## 常见问题

### 怎么指定录音的语言？

在请求中传入language，可以用默认的auto自动识别，也可以使用en、de、es等两字母ISO 639-1代码。

### 一段录音里有几种语言，能处理吗？

可以。AI转录会为每段文字标注自己的语言，转录对象还会报告整段录音的主要语言。

### 获取YouTube字幕时，language有什么作用？

它用于选择字幕轨道。auto选择视频原始语言，不使用自动翻译出来的字幕。

## 相关内容

- [Instagram转文字](https://transcript1.com/zh/features/instagram-reels-zhuan-wenzi)
- [音视频文件API](https://transcript1.com/zh/features/yinpin-zhuan-wenzi-api)
- [来源与转录设置 （文档）](https://transcript1.com/zh/docs/sources-and-options)