把手机、Zoom 或 YouTube 上的讲座录音转成文字,附摘要、带时间戳的段落,还能就内容提问。
要把讲座录音转成笔记,上传音频或视频文件,或者粘贴指向它的链接。转录文本返回时,顶部有一段简短摘要,下面是带时间戳的段落和标注好的说话人。然后你可以搜索它、向它提问、修改个别术语,并导出为 PDF、Markdown 或文本来复习。
本指南写给手头有一堆录音的学生:前排用手机录的语音备忘、Zoom 或 Teams 录像、YouTube 或大学视频平台上的讲座。它讲的是已录好的讲座。如果想在讲座进行时看到字幕,请参阅教堂、讲堂和议事厅的实时转录。
简要来说,在 VocalStack 的 Dashboard 中:
完成后你会得到转录文本、标题和摘要,还有可以从任意一行开始回放的音频。
大多数讲座录音本来就是文件。上传支持音频和视频:MP3、M4A、WAV、FLAC、OGG、MP4、MOV 和 WebM 都可以直接放进去,其他大多数视频格式也可以。iPhone 的语音备忘是 M4A 格式;安卓录音机通常保存为 MP3 或 M4A。两种都可以直接使用,无需转换。
对于视频,VocalStack 转录声音,并把画面与录音保存在一起,所以你可以看到某句话说出时屏幕上的那张幻灯片。视频保留多久取决于套餐(费用一节有更多说明)。
对于长讲座,有两条限制很重要。在按量付费(Pay as you go)下,一个文件最大 2 GB,一次转录最长两小时的音频。在 Premium 下,限制是 5 GB 和八小时。三小时的研讨课在 Pay as you go 下可以裁成两部分,各为一次转录。
如果讲座在网上,请粘贴链接,不用下载。VocalStack 会先检查链接,向你显示它的标题和时长,然后自己获取音频。
链接支持这些来源:
对于视频网站,只获取音频。你在转录文本旁边看到的画面,是该网站自己的播放器。
链接无法处理的情况:任何需要你的大学账号登录才能访问的内容。这包括 Panopto、Echo360、Moodle、Canvas、Blackboard、位于你大学自有地址的 Kaltura MediaSpace,以及存放在工作或学校 SharePoint 中的 Teams 录像。VocalStack 无法以你的身份登录。如果平台提供下载按钮,请下载文件再上传。讲师可以关闭下载;如果他们关了,就向他们索要文件。
作为最后的办法,浏览器扩展可以在讲座播放时录制标签页的音频,桌面应用在 Mac 上可以对任何应用做同样的事。两者生成的都是实时转录,按实时转录的速度进行,并按实时费率计费,所以只有在拿不到文件时才用它们。
讲座录音的出错方式是可预料的,大多数补救措施都在按下录音键之前。
距离和回声。 放在第十二排课桌上的手机,会先直接听到讲师一次,再听到墙面反射的好几次。这种模糊是错词最大的单一原因。请坐在靠前的位置,把手机放在桌上对着讲师,而不是放在口袋或包里;如果讲座使用麦克风,就坐在扬声器附近。从讲堂自己的系统获取的录音(也就是学校发布的版本),几乎总比在教室里录的更干净。
后排的提问。 二十米外的学生提问,往往声音太小,根本无法转录。讲师可以帮到所有人:先把每个问题对着麦克风重复一遍,再回答。
专业术语。 标准的学术词汇,从药名到拉丁语解剖学名词,都会被如实识别。没有任何工具能预先知道的是你的讲师自己的简称、新造的词或生僻的姓氏。在已录制的转录文本里,几下点击就能改正这些(见下文)。对于实时讲座,带有幻灯片或阅读书目的 Reference Script 能在这些词被说出时就纠正它们;这在实时转录文章中有介绍。
语言不对。 自动检测依据的是开头的一段语音。开头有一分钟闲聊的讲座,或者口音很重的讲师,可能会被检测成错误的语言。如果你知道语言,开始之前请先指定。这对嘈杂的录音也有帮助。
音频转录错误:7 个原因及各自的解决办法更详细地介绍了每一类错误。
一节 90 分钟的讲座,转录文本会超过一万字。没有人会对着它复习。转录结果中的这些部分,能把它变成更接近笔记的东西。
顶部的摘要。 转录定稿后,VocalStack 会写出标题和一到两段的简短摘要,保留出现过的名称和数字。读起来像讲座的摘要:足以让你想起哪一周讲了什么。它以连贯的文字写成,你自己的笔记仍然很重要。
带时间戳的段落。 转录文本按主题分成段落,每段都有开始时间。复习时可以把它们当作标题。每一行都保留它在录音中的时间,所以可以从那一刻开始回放,再听一遍没跟上的部分。
问答环节的说话人标签。 说话人标签默认为 When Needed:只有一个声音的讲座读起来是普通的文字,一旦听到第二个声音,每一行都会标明是谁在说。你可以给说话人命名,这样讲师的发言按姓名标注,提问则单独区分出来。
就讲座提问。 Ask 是 Dashboard 里的助手,根据你的转录文本回答问题。打开一节讲座,问“这个定理的三个条件是什么?”或“她在哪里解释了有丝分裂和减数分裂的区别?”。答案会链接到它所依据的时刻。你也可以一次性就全部转录文本提问,找出哪节讲座讲过某个主题。
搜索所有讲座。 搜索能找到所有转录中的精确字词,也能找到用不同说法表达相同意思的段落。它跨语言工作,所以用英语搜索可以找到一节西班牙语讲座。
更正。 直接在转录文本里改正听错的术语。更正会保存到转录文本中,并带入每一次导出。
导出。 把转录文本下载为 PDF、Markdown、纯文本、Excel、JSON,或 SRT、WebVTT 字幕。文本、Markdown 和 PDF 导出都以标题和摘要开头,时间戳可以按段落、按行设置,也可以不要。Markdown 可以直接放进 Obsidian 或 Notion 这样的笔记应用。
为每门课加标签。 给每个转录加上它所属课程的标签,转录列表就可以一次只筛选出一个模块。
VocalStack 能转录 100 种语言,并检测所说的是哪一种。每个转录最多可以翻译成 10 种语言,转录文本、摘要和导出都会切换为你选的语言。用德语讲的讲座,可以用英语阅读和搜索,德语原文仍在那里,方便核对术语。
翻译不在转录之外另收费用。
对于听不到录音的学生,转录文本就是录音。说话人标签、段落和摘要,使它不仅是一份记录,也能用来学习。大学通常对录制的教学内容有无障碍规定,自动转录可能满足也可能不满足;有时需要人工校对的字幕。在关键之处(名称、术语、数字)改正转录文本,能弥补大部分差距。讲师可以通过公开链接分享完成的转录,学生无需创建账户,就能用自己的语言阅读。
许多大学对录制讲座有规定,许多讲师也有自己的规定。有的允许个人学习使用,有的要求许可,有的仅在作为无障碍调整时允许。讲座材料也可能受大学或讲师的版权保护。请查看你所在课程的规定,拿不准时询问讲师,并且除非获得许可,否则录音和转录文本只用于你自己的学习,不要分享。这只是一般性提示,不是法律意见。
按目前的价格,已录制的文件每小时音频 $0.20,按秒计费。在按量付费(Pay as you go)下,每次转录至少按 5 分钟计费;Premium 没有最低限制。翻译、摘要、Ask 和搜索都包含在内。当前费率见价格页面。
按这些价格:
部分可以。新账户可获得 $5 的一次性注册额度,无需绑定银行卡。按文件费率,这大约是 25 小时的已录制讲座,约相当于一门课半个学期。之后你按需充值,最低 $10。
一个学期的讲座,需要了解按量付费(Pay as you go)的几项限制。源音频保存 30 天,上传的视频保存 3 天;转录文本本身保留到你删除为止。30 天之后,你仍可以阅读、搜索和导出转录文本,但无法播放音频。Pay as you go 还包括每天 30 个 Ask 问题和每小时 60 次按含义搜索;精确字词搜索没有限制。Premium 是订阅制,每月包含额度,订阅期间保留音频和视频,并取消这些限制。各套餐的当前数字见价格页面。
可以。把 YouTube 链接粘贴到新的转录中。VocalStack 获取音频,并按文件费率像文件一样转录。视频在转录文本旁边的 YouTube 自带播放器中播放。
不能通过链接,因为这些平台需要你的大学账号登录。如果讲师允许下载,请从平台下载录像,然后上传文件。
主要取决于录音。讲师使用麦克风、从讲堂系统录制的内容,返回的错误很少,大多是生僻的名字和课程术语。手机放在回声很大的礼堂后排,错误会多得多,观众席上小声的提问也可能丢失。知道语言时请指定,尽量靠近说话人录音,并改正重要的术语。
它给你的是原材料:摘要、带时间戳的段落、说话人标签,以及一个能回答讲座问题并链接到相应时刻的助手。导出为 Markdown 或 PDF,再从那里编辑。它不会替你写记忆卡片或要点式的复习笔记。
可以。口语语言会从 100 种中检测,转录文本和摘要可以按同样的价格翻译成最多 10 种语言,不另外收费。
可以,以实时转录的方式,每小时的费用比文件更高。请参阅讲堂的实时转录。
开始吧,在 {{app}}/transcriptions/new/file 上传你的第一段录音。注册额度大约可以覆盖 25 小时的讲座。