一段录音中英混说，Mac 怎么转文字？

先说结论

可以尝试转写同时包含中文和英语的录音，但自动检测语言不保证每一次切换都能正确保留。先用有代表性的一小段测试，核对原文时暂时关闭翻译，重点检查说话人切换语言的位置。

Alison Workspace 可在 macOS 15 或更高版本的 Apple 芯片 Mac 上进行本地文件转写，并提供可编辑文字。识别路径和可用资源会影响结果。本文说明怎样评估输出、处理困难片段，不提供准确率测评，也不承诺所有中英夹杂句子都能可靠识别。

先分清是哪一种多语言问题

有三类不同任务经常被称为“双语转写”：

• 多个文件，每个文件主要讲一种语言 — 需要完成什么: 为各文件或设置相容的一批文件选择、检测语言
• 一个录音在中文和英语之间切换 — 需要完成什么: 在切换处保留实际说出的原文
• 中文录音需要一份英语阅读稿 — 需要完成什么: 先转写原文，再翻译

本文主要处理第二种。生成中文原文加英文译文很有用，但这并不能证明录音中原本说出的英语词句已经被忠实转写。

切换方式也很重要：可能是一段话结束后换语言，可能只是夹杂一个英语产品名，也可能一句话内部反复切换。能处理较长单语段落的设置，仍可能漏掉嵌入另一种语言中的短词。

选择能暴露问题的测试片段

使用允许你处理的录音。保留原件，需要时用常用音频编辑器制作一份简短的检查副本。片段里应包含两种语言的清晰例子，以及至少一次真实的语言切换；只有一种语言的开场独白不算有代表性的测试。

认真听一遍困难片段，写下少量参考文字。不确定的词先标记，不要补猜；姓名可以对照可靠的配套材料。参考稿不必覆盖整份录音，也能帮助发现英语词消失、中文句子被意外翻译等问题。

剪出的副本有自己的时间轴。如果从录音中间截取一段，应记录它在原件中的起点。它导出的时间戳对应片段本身，不会自动对齐整份录音。

先准备识别，不急着增加翻译

在 Alison 中打开 Transcribe Files…（文件转写），加入受支持的录音，检查显示的时长，并准备当前识别路径所需的资源。文件转写直接读取录音，不要求通过扬声器播放，也不需要麦克风输入。

第一次检查先关闭翻译，这样更容易判断原文是否保留了实际说出的内容。翻译目标是另一项输出设置，不是用来填写录音中所有语言的清单。

如果应用提供自动识别，而且所需模型已准备好，可以先在片段上尝试。对于主要讲一种语言、偶尔借用外语词的录音，也可以单独用已知的主要语言再试一次。比较实际输出，不把任何一种设置写成适合所有混语录音的最佳答案。

记录应用版本、macOS 版本、识别选项和可选引擎模式。一次改变多个设置，就很难判断是哪项变化影响了结果。

自动检测不等于每次切换都能准确识别

自动检测根据识别器收到的音频判断语言。不同处理路径可能分析不同长度的音频，并作出不同的引擎选择；不能假定实时收听和文件转写完全一样。

Alison 的公开说明介绍了实时收听中的自动语言切换，这不是对所有混语文件的准确率保证。同样，模型被称为“多语言”，意味着它能够处理不同语言，并不证明一句话里每次切换都能可靠识别。

Whisper 上游项目中，维护者的解释指出了混语识别的限制，并讨论分段处理。这可以帮助理解问题，但不能证明 Alison 使用完全相同的处理路径，更不代表已经测试了你的录音。

应在真正切换语言的位置判断结果，而不是只看第一段文字是否流畅。

分别检查词句、语言和完整性

把转写与音频、参考文字对照：

• 原文中是否同时保留了中文和英语？
• 有没有把某段话翻译了，而没有按说出的语言转写？
• 短英语词有没有变成读音相近的其他词？
• 姓名、数字、否定和条件是否正确？
• 是否处理到结尾，还是只有部分结果？

例如，“这个版本先不要 deploy”同时包含中文否定和英语动词。漏掉“不要”会改变指令；把英语词识别成不相关词则是另一种错误。这是用于说明核对方法的例句，不是实测结果。

也要区分文字呈现习惯和真正漏掉的语音。标点或中文书写形式不同，不一定意味着遗漏了内容。先核对录音和需要的输出，不要把本来忠实的术语“纠正”成别的说法。

有针对性地处理困难段落

如果较长的语言切换造成问题，可以用外部音频编辑器复制出语义完整的段落，再分别选择合适设置转写。这是手动补救方法，不代表 Alison 会自动按语言拆分录音，或把结果自动合回同一条时间轴。

保留足够上下文。把每个借用的英语词都剪成极短片段，可能反而丢掉理解它所需的信息。句内切换即使调整了设置，也仍可能需要认真人工修改。

如果只需要文稿，可以在文字编辑器中合并已核对段落，并保留每一段来自哪里。SRT 或 VTT 则更复杂：各片段的时间需要对齐原始媒体，不能简单拼接文件后就认为字幕仍然同步。

不同说话人分别使用不同语言时，说话人标签可以帮助整理核对顺序，但不会让某个人永远只属于一种语言，也不能单靠说话人分离解决同一个人的语言切换。

原文有用之后，再考虑翻译

确认原文保留了需要的内容，再决定是否增加译稿。检查当前 Mac 实际可用的语言对，并单独核对混语段落。同一段同时出现两种语言，可能比整段都是一种源语言需要更多检查。

保留已校对原文。如果翻译是在修改原文之前生成的，应重新翻译修订版，并检查受影响的句子。除了读起来是否流畅，也要检查译文覆盖是否完整；只有部分内容被翻译的文稿，乍看也可能像完整成品。

双语文字稿指南详细介绍了原文核对、译文覆盖与导出。

导出核对过的记录，并保留上下文

如果目标是忠实保留说话人原本使用的中文和英语，应选择原文输出。需要附加翻译时，再选择双语输出，并检查是否有缺失的译文段落。

继续编辑可选 TXT 或 Markdown，阅读副本可选 PDF。打开导出的文件，查看中文字符、英语姓名、最后一段，以及选择保留的说话人标签和时间戳。原录音也要留着，方便后续查证。

资源准备好后，Alison 支持的处理在本地运行，但导出文件如果保存在同步或共享文件夹中，仍可能被该服务传到设备之外。按录音内容和参与者的要求选择保存位置。

先完成一小段认真核查过的文字，再扩展到整份录音。你应清楚哪些部分效果可用，哪些部分仍然需要复核。

资料核查于 2026 年 10 月 28 日：文中 Whisper 维护者讨论及 Alison Workspace 公开说明。同时对照了项目文档和源码中的处理路径。本次未进行混语录音准确率测评；文中例子用于说明读者可以执行的检查。