转写 FLAC

未必。语音识别模型使用 16 kHz 单声道，Whisper 在这一规格上构建对数梅尔频谱。高于该采样规格可表示范围的内容不会进入模型。

因此，同一录音的 96 kHz／24 位母版和 44.1 kHz／16 位版本都会先降到识别所需规格。高品质耳机能听出的差别，不一定影响转写。

哪些音质因素真正影响结果？

• 极低码率。过度有损压缩可能损坏辅音，降采样无法恢复。
• 反复有损编码。每次转换可能增加失真；FLAC 无损解码再编码可保留相同采样。
• 原始录音条件。麦克风位置、环境、重叠讲话和噪声往往最关键，换容器无法修复。

FLAC 适合保存原始素材，但不是提高准确率的捷径。

下表为生产环境实测中位数，按每小时音频换算。

模型处理解码后的采样，不直接处理压缩文件。FLAC 的大体积主要增加上传时间：CD 规格立体声每小时约 350 MB，两小时约 700 MB；同样两小时的 128 kbps MP3 约为 115 MB。

若上传较慢且已妥善保存母版，可考虑制作适当码率的副本。如果 FLAC 是唯一原件，请保留原件，不要为缩小文件而覆盖它。

FLAC 常用于归档，因此上传文件往往是母版，而非临时工作副本。

1. 便携录音设备。Zoom、Tascam、Sound Devices 等常输出 WAV，之后可无损转为 FLAC 保存。两者都可直接上传。
2. Audacity、Reaper 等软件。通过导出功能选择 FLAC，并保留需要的位深。
3. 广播与机构归档。开放格式有利于长期保存和跨软件读取。
4. 获授权的 CD 音轨备份。例如采访、课程等内容的无损副本。

可将文件放入本页顶部的上传区域，预览和套餐限制以页面提示为准。

CD 规格立体声 FLAC 每小时约 350 MB，5 GB 可容纳约 14 小时，因此通常先达到 Premium 的 8 小时限制。

• 按场次拆分。将一天访谈分成多个完整会话，避免截断句子。
• 高分辨率母版可能先超体积。96 kHz／24 位立体声可能接近每小时 1.2 GB。可制作较低采样率的上传副本，但不要覆盖原始母版。
• 保留原件。转写可以重做，丢弃的原始采样无法从有损副本恢复。