Mac 上如何离线批量转写不同语言的音频文件？

先看简短答案

在 Mac 上转写一批不同语言的录音，应先准备本地识别资源，添加文件队列，并决定如何处理实际语音语言。安装了兼容模型时，自动语言识别可以减少手动分类；已知语言而自动判断不可靠时，可以把相同语言的文件分组，用明确的原语音语言处理。

Alison Workspace 支持文件队列、多语言识别选项、可选翻译和说话人分离，需要配备 Apple silicon、M1 或更新芯片、运行 macOS 15 或更高版本的 Mac。资源准备好后，受支持的文件识别在本地进行。规划时要注意：同一轮队列共享设置，一批不同语言的文件，与一段录音中反复切换语言，并不是同一种问题。

围绕实际任务整理文件

假设你有一段英语课程、一段日语访谈和一段西班牙语录音，希望分别得到原语言文稿，只在有用时添加翻译。这是流程示例，并非三种语言准确率测试报告。

给文件起便于区分的名字，避免必须打开每份文稿才能辨认。检查声音、大致时长和主要语言。音频在视频中时，文件仍必须包含能够访问和解码的音轨；画面不能替代语音识别所需的声音。

确定自己需要原文、辅助阅读的译文、说话人标签还是字幕。每项功能都有单独要求，也增加一项校对任务。先生成原文，有助于在加入翻译前发现语言问题。

离线前准备识别资源

识别菜单提供许多语言，但引擎与模型必须支持实际需要的语言。某种语言出现在菜单中，不代表每个已安装模型都能同样处理它。需要多种原语音语言的批次，应使用多语言模型。

Alison 的文件自动语言识别需要可用的本地 Whisper 模型。在兼容的 macOS 版本上，部分明确选择的语言可以使用可用的系统识别，但这不能代替自动语言识别。应按应用的资源提示准备，不要假定其他流程使用的模型在这里也已经就绪。

联网时先下载并准备资源，再用一小段文件确认预定设置，然后才依赖离线工作。首次准备可能需要时间。资源就绪检查也不能证明陌生口音或噪声录音的识别质量。

选择自动识别或按语言分组

每个文件都有清楚的主要语言时，自动识别可以减少手动分类。但静音、音乐、语音很少或不寻常的开头，仍可能导致误判。每个文件的结果都应检查，不能因为第一份文稿看起来正确就接受整个队列。

已知语言时，更可控的方式是先选英语处理英语文件，再选日语处理日语文件，以此类推。同一轮队列共享识别选择；本文不描述为每个队列文件单独附加语言设置的功能。

混合语言批次不要随意固定一种语言，除非确实希望所有文件都按它处理。识别看起来不对时，先检查音频与原语音语言。更换翻译目标，不能修复按错误识别语言生成的原文。

从规模合适的小批次开始

先用少量文件确认设置、资源准备情况和输出，再处理较大的集合。多文件排队处理，不代表所有文件同时运行，也不承诺固定完成速度。

1. 选择本地可以读取的文件，确认名称、时长和预期语音语言。
2. 打开文件转写窗口，添加多个文件，或把它们拖入队列。
3. 多语言模型就绪时选择自动语言识别，或按语言分组并明确选择原语音语言。
4. 只需要原语言文稿时关闭翻译；需要翻译时，为这一轮选择一个受支持的目标并准备资源。
5. 有需要时才开启说话人分离并准备资源；只有预期人数适合这一轮文件时，才使用固定人数。
6. 启动队列，在导出前逐一检查文件状态与生成文字。

被拒绝的文件应先按媒体问题检查。没有音轨或编码无法读取，不会因为在模型设置中增加语言而解决。

区分识别、翻译与说话人设置

识别生成实际说出的语言文字，翻译把它转换成另一种阅读语言，说话人分离按声音为文字分组。可以一起使用，但一项成功，并不能证明另外两项也成功。

例如，日语片段识别正确，翻译目标仍可能不可用，或人物归属错误。检查译文文档时，应保留原文。对照录音核实姓名、数字和重要否定表达，尤其是译文比原文更流畅时。

翻译语言对取决于实际 Mac 上可用的资源。多语言识别模型不意味着每一种原语言都能翻译成任意目标。翻译不可用时，仍可使用并检查原语言文稿，不应把它误称为译文。

单个文件内切换语言，需要另行检查

一批主要各用一种语言的文件，适合考虑自动识别；一段访谈反复切换日语和英语，则需要另外留意。自动判断语言，并不证明录音里的每次切换都被正确识别。

检查语言切换附近的片段。如果某种语言持续丢失，可用平时的媒体编辑工具准备合适的片段，分别选择对应语言处理。保留原文件，并记住截取片段的文稿使用的是该片段自己的时间线。

本文不承诺混合语言识别完美，也不承诺每种支持语言质量相同。背景音乐、地区口音、不熟悉的姓名和录制条件不同，也会影响需要修正的内容。

检查完成情况，查明原因后再重试

Alison 当前文件转写试用提供累计 60 分钟音频时长，与实时聆听分开计算。队列按顺序使用剩余额度，后面的文件可能只分到剩余时间，或没有时间可用。应查看预期时长与已处理时长，不能假定加入的文件都会完整完成。

部分结果不是长录音的完整文稿。失败或取消的任务可以在检查原因后重试。用错识别语言时，下一轮选择正确语言；资源缺失时，先准备资源。重复处理长批次前，应检查剩余额度。

解锁完整文件处理后，需要重新运行受影响的文件。权限变化不会自动补齐之前文档中未处理的结尾。应保持文件、状态和最新文稿之间的对应关系清楚。

逐份检查，并有意识地导出

用搜索和回放检查每份结果的重要片段。编辑了一份文稿，不代表队列中其他文档都已校对。为导出文件使用不同名称，并保留原录音，方便以后检查。

当前文稿导出菜单提供 TXT、Markdown、CSV、PDF、SRT 和 VTT。可选择原文、已生成的译文或两者；人物与文档时间戳选项取决于记录和格式。应通过每份记录的菜单导出，不要把批量添加等同于一键导出整个队列。

本地识别说明的是处理发生在哪里，不能控制同步导出文件夹、共享盘或备份之后如何处理文件。应选择录音与文档的保存位置。下一步是一个语言和输出都能核实的小队列，再扩大处理规模。