文件只是起点
转录工作流会解码媒体、规范化音频或重新采样、检测语音、生成单词或片段时间、分配可选的说话人标签、呈现可编辑文本，再导出结果。工具可能在某一阶段成功，却在另一阶段失败。“支持 MP4”可能只表示能够从部分 MP4 变体中提取音频，并不代表所有编解码器和损坏文件都能正常处理。
请保持原始媒体不变，使用副本操作，记录工具和模型版本，并保留足够的时间信息，以便重新检查有争议的片段。对于长录音，如果电脑进入睡眠或任务中断，应有可预期的继续或恢复途径。
本地和云端只是处理方式，并非质量保证
本地转录可以减少上传录音的需要，并能在安装所需模型后继续离线工作，但也会使用电脑的 CPU、GPU、内存、存储空间和电力。云端转录可以集中处理并支持协作，但您需要考察上传、保留、训练、分包处理商、地区、账户和删除方式。
混合型产品可以合理地同时使用两者。请索取数据流图或逐项操作表，而不要只接受笼统标签。模型下载和软件更新流量不同于上传源音频，这一区别应明确说明。
说话人标签只是推断结果
说话人分离会把语音划分成“说话人 1”和“说话人 2”等不同组。多人同时说话、简短插话、声音相似、房间回声、远程通话处理和背景媒体都可能让分组出错。识别并说出已知个人姓名的说话人识别功能，则是另一项更敏感的能力。
在人工核对前，请使用中性标签。不要把自动归属给某人的陈述视为权威会议纪要、法律承认或可靠的身份记录。
转录稿经过审校才算完成
检查姓名、数字、否定词、专业术语、行动负责人、日期，以及多人同时说话的段落。请播放时间戳前后的音频核对，不要根据上下文猜测。确实无法听清的部分应明确标注，不要编造确定答案。
根据下一项任务选择导出格式：纯文本适合搜索和起草，带时间戳的文本适合核验，DOCX 或 PDF 适合传阅，JSON 适合软件处理流程，SRT 或 VTT 适合带时间轴的字幕。如果文件要由其他系统读取，请确认编码和换行符格式。