/docs/文件转录功能如何使用.md

文件转录功能如何使用

文件转录功能可以将音视频文件直接转为字幕或文本，支持批量处理。

---

一、准备工作

需要安装 ffmpeg 并确保其在系统 PATH 中。客户端启动日志 logs/client_latest.log 中显示 [INFO] ffmpeg found 即表示就绪。

---

二、使用方式

将音视频文件直接拖拽到 start_client.exe 图标上，松开即可开始转录。

支持批处理：可以同时选中多个文件一起拖拽。

支持格式：几乎所有常见音视频格式（mp3, wav, mp4, mkv, flv, avi, mov 等）。

---

三、输出结果

转录结果文件会保存在原文件同目录，与原文件同名，仅后缀不同：

文件	内容	默认
.srt	SRT 格式字幕，时间轴精确到句	生成
.txt	按标点分行的纯文本，方便阅读	生成
.json	字级时间戳	生成
.merge.txt	未切分的整段文本（长文）	不生成

例如对 lecture.mp4 转录，会在同目录生成 lecture.srt、lecture.txt、lecture.json。

四、进阶：手动修正字幕时间轴

如果识别结果有错字，或想调整分行，可以这样操作：

1. 打开生成的 .txt 文件，修改错字、调整分行
2. 将修改后的 .txt 文件重新拖拽到客户端
3. 客户端会利用 .json 中的字级时间戳，与修改后的文本重新对齐，生成新的 .srt 文件

这样就实现了在保留原时间轴的基础上修正字幕内容。

---

五、配置项

在 `config_client.py 中：

file_seg_duration = 60    # 转录时分段长度（秒），越大服务端内存占用越高
file_seg_overlap = 4      # 转录时分段重叠（秒），避免切分点丢字
file_save_srt = True      # 是否生成 srt 字幕
file_save_txt = True      # 是否生成 txt 分行文本
file_save_json = True     # 是否生成 json 时间戳
file_save_merge = False   # 是否生成 merge.txt（未切分长文）

一般不需要改动。

---

六、工作流程

拖拽文件到客户端
    ↓
检查 ffmpeg 环境
    ↓
ffmpeg 提取音频（16kHz、单声道、f32le）
    ↓
按 60 秒一段发送给服务端
    ↓
服务端 ASR 识别 → 时间戳对齐 → 拼接
    ↓
客户端接收结果 → 保存 srt/txt/json

---

七、常见问题

Q: 转录结果时间轴不准确？

• Qwen3-ASR 引擎需要配合 ForceAligner 模型才能生成精确时间戳，确认已下载该模型
• Fun-ASR-Nano 和 SenseVoice 自带时间戳能力

Q: 能转录多长时间的音频？

理论上不限时长，服务端会逐段处理。不排除超大文件会触发没有考虑到的 Bug。