轉錄任何 MP3——從 64kbps 語音備忘錄到 320kbps 播客

可變位元率 MP3 檔案在檔案位置和播放時間之間沒有固定關係。我們的解碼器從 Xing/VBRI 標頭建立幀索引（或在標頭缺失時掃描檔案），為每個片段計算精確的時間戳。

低於 96 kbps 的 MP3 編碼會去除高頻並引入振鈴失真，這會干擾一般的語音模型。我們的引擎專門針對低位元率音訊進行訓練，即使是來自廉價錄音筆的 64 kbps 語音錄音也能保持準確度。

MP3 檔案有單聲道、立體聲、聯合立體聲和雙通道模式。我們正確解碼所有四種模式。對於說話人分佈在不同聲道的聯合立體聲錄音，兩個聲道都會被處理以確保完整覆蓋。

MP3 檔案通常包含帶有專輯封面、章節標記和元數據的 ID3 標籤，這些可能會干擾期望原始音訊幀的解析器。我們的解碼器會乾淨地剝離元數據，從第一個實際音訊幀開始轉錄。

以 MP3 格式發布的播客通常使用 ID3 章節幀或嵌入的提示點。我們偵測這些標記並可用它們來組織逐字稿，為您提供與節目自身章節匹配的自然分段。