开始前，先听一下是不是这份录音
有原始录音就用原文件。反复压缩、导出不会恢复丢失的声音细节，还可能让人声更难听清。上传前先听开头和中间一段，确认文件选对了，需要的声音也在里面。
选一个支持的音频文件
在控制台上传MP3、WAV、M4A、FLAC、OGG或OPUS，文件要有支持的扩展名，也要真的包含音频。把其他文件改名为.mp3不算格式转换。
按录音内容设置选项
语言可以保留auto，已知语言时也可给提示。访谈或讨论可开启“Identify speakers”；只有自己说话的备忘录，通常保留文字和时间戳就够了。
回听不确定的地方
转录完成后通读一遍，利用时间戳核对疑问段落。用于笔记、研究或发布前，先在导出稿里检查姓名、数字和专业词。
留下需要的文字或文件
短笔记直接复制，改稿用TXT，结构化处理用JSON。需要配合播放器或视频使用时，还能导出SRT和VTT字幕。
MP3、M4A、WAV，保留手头已有的格式
MP3和M4A常见于访谈录音、语音备忘录，文件通常比较小。同样时长的WAV或FLAC可能大得多，但价格看录音时长，不看文件大小，按实际时长向上取整到分钟。
WAV 转文字不需要先压成MP3；嘈杂的MP3转成WAV也不会消除噪声或补回丢失的语音。如果确实重新导出了文件，先听一下，确认不是静音或选错的麦克风轨道。
| 录音情况 | 上传前的准备 |
|---|---|
| 语音备忘录 | 保留原始M4A或其他支持的文件，检查开头和结尾。 |
| 较长的WAV访谈 | 分别检查文件大小和录音时长，再选上传方式。 |
| 几场独立访谈 | 每场单独提交，并保留场次编号。 |
| 人声很轻、难以听清 | 先检查录音本身，换一个扩展名不能改善声音。 |
对话转成文字后，先确认标签对应谁
开启说话人分离后，发言会标为Speaker 1、Speaker 2等，整理访谈时不用给每行手动补标签。但系统不知道真实姓名，要听过开头的对话，再在自己的文档里建立参与者对应。
标签只对当前录音有效，另一场访谈的Speaker 1不一定还是同一个人。重叠发言、打断和距离麦克风较远的声音，都值得重点核对。重要引文旁保留原时间戳，归属有疑问时方便回听。
长录音要同时检查大小和时长
控制台采用分块上传，支持最大2GB文件，实际还受账号限制。AI语音转文字支持最长5小时。压缩文件可能很小却录得太久，未压缩录音也可能还没到5小时就超过大小上限。
通过API上传，95MB以内可用一次multipart请求；更大的文件先创建上传任务，再发送分块，最后确认完成。连接中断后先查进度，补传缺少的块，不必重新创建任务。上传文档也说明了Token更新和续传方式。
如果自行把长录音切成几份，记下每份在原录音中的开始时间。转录时间从当前文件开头算起，引用后半段时，要加回原来的偏移量才能找到完整录音里的位置。
原始转录留作核对，阅读稿单独整理
口语里常有重复、没说完的句子和“这里”“那个”这样的指代。先决定要保留逐字原话，还是整理成笔记，再单独编辑阅读稿，不要覆盖原始转录。
编辑时保留关键时间戳，用来核对难词、划分话题和追溯引文。多语言标签有助于整理内容，但翻译是另一项工作，不会因为指定了语言就自动完成。
任务进入最终状态24小时后，上传的音频会删除；转录文本保留到主动删除。原始录音请自行保存，转录服务不能代替长期音频备份。