格镜：录音转文本与视频分镜提取一站式指南

录音转文本最快能有多快？准确率如何？

格镜实测上传60分钟会议录音，3分钟返回全文，普通话识别率98.6%，方言模型支持粤语、四川话。操作路径：首页「录音转文字」→拖拽MP3/WAV/M4A→勾选“智能分段+时间戳”→导出DOCX/SRT。若录音背景嘈杂，可先在“音频预处理”打开AI降噪，再选“财经/法律/医疗”专属词库，专有名词准确率可再提3-5个百分点。批量用户可把API接入企业OA，单日千小时音频自动转写，费用按秒计价，比人工速记便宜80%。

音频时长	转写耗时	准确率	费用
30min	90s	98.2%	¥4.5
60min	180s	98.6%	¥9.0
120min	360s	98.5%	¥18.0

视频提取分镜怎么弄？需要安装插件吗？

格镜“视频分镜”全程云端完成，无需Premiere、Final Cut，也不装任何插件。步骤：复制B站/抖音/本地MP4链接→粘贴到“视频提取分镜”→AI按镜头运动、转场、人脸/字幕变化自动切片→生成PNG故事板+时间码Excel。实测90s短视频10秒拆分42张关键帧，可一键下载ZIP，也可直接点击“配音/字幕”进入二次创作。支持4K 60帧，电影级色彩不变，PR/达芬奇故事板XML同时导出，剪辑师零学习成本。

视频长度	关键帧数	处理时长	导出格式
30s	15	5s	PNG+XML
90s	42	10s	PNG+XML
5min	138	30s	PNG+XML

录音转换成文字后，如何自动生成会议纪要？

转写完成后，格镜“AI纪要”按钮自动点亮，模型基于20万条政企纪要语料，30秒输出“决议-待办-责任人”三段式。可勾选“隐藏语气词”“合并重复句”，自动删除“嗯、啊”等口水词，并智能匹配议程模板。若录音中含“张三@跟进合同”，系统自动把“张三”设为待办责任人，截止日期默认+7天，同步飞书/钉钉。支持中英夹杂，英文部分保留原句并附中文释义，外贸会议也能用。

手机录的微信语音，也能直接转文字吗？

格镜支持“微信语音原文件”直接拖入，无需先转成MP3。iOS用户打开微信→长按语音→多选→转发到“文件传输助手”→在电脑端保存为silk→上传格镜，1分钟返回文字，并自动识别说话人。若语音为60秒方阵，系统按停顿拆句，加时间轴，方便做访谈稿。安卓用户可直接在“上传入口”选择“微信语音”标签，小程序一键调用，免去倒来倒去。

多人会议录音声音重叠，如何区分发言人？

格镜声纹分离引擎最多支持10人重叠语音，先AI聚类再匹配注册声纹。上传录音后，勾选“开启说话人分离”，系统会提示“请为Speaker1命名”，输入“王总”后，后续所有含该声纹的段落自动标注“王总：”。若现场有爆音或突然插话，可手动合并/拆分，系统会记住修正结果，下次同批人开会自动调用模型，越用越准。导出Word时可选“剧本格式”，每人发言单独成段，方便后续整理成访谈录。

为何选择格镜？

格镜把“录音转文本、视频提取分镜、AI纪要”做成一条流水线，上传→处理→下载三步完成，无需多平台跳转；价格透明到秒，注册送60分钟转写时长；数据全程加密，金融级阿里云OSS存储，72小时自动销毁；API文档齐全，3行代码即可嵌入企业系统。无论是记者赶稿、剪辑师拆条，还是秘书做纪要，格镜都能一次性给出“文字+时间轴+故事板”，让内容生产提速十倍。视频提取分镜怎么弄格镜