SoundWise 在嘈杂环境下提升转录质量的技巧

在嘈杂环境下让 SoundWise 的转录结果可用，核心原则不是打开一个“强力降噪”开关，而是先提高输入信号的信噪比，再让 SoundWise 的预处理参数去匹配剩余噪声的特征。下面这套处理顺序基于通用音频转写经验，具体参数名称和位置需要结合你使用的 SoundWise 版本确认。

SoundWise 的转录质量受输入音频信噪比、噪声类型和参数匹配程度影响。优先在采集端做的是：缩短麦克风距离、降低设备增益、切断持续噪声源；然后在 SoundWise 里按“平稳噪声、人声嘈杂、混响过大”三类分别调整降噪强度和语音活动检测阈值。改变参数后，必须用同一段音频进行 A/B 对比，不要凭主观感觉判断。

先处理采集端：提升输入信噪比

适用场景是公共场所、会议室、车内等背景噪声超过 40 分贝的环境。操作上建议使用心形指向的 USB 麦克风，并让发言人距离麦克风 15 到 30 厘米；如果只能用手机录音，将手机顶部朝向发言人，避免手掌完全包住麦克风。同步关闭空调、风扇、空气净化器等持续发声设备，这类平稳噪声会降低语音活动检测灵敏度。对于桌面录音，还要把麦克风远离桌面反射面，减少混响。验证方式是先用 SoundWise 录制一段 10 秒空白环境声音，观察转录页面是否出现提示音或“空转”问题；如果环境底噪已经明显掩盖人声，先处理声学环境，再调整软件参数。风险边界是，过近的拾音距离会带来近讲效应，让低频浑浊，某些降噪算法反而会错误地将声音片段滤除。

按噪声类型调整 SoundWise 预处理参数

SoundWise 通常提供降噪强度、语音活动检测（VAD）灵敏度、混响抑制等选项，但默认值多数针对干净语音。不要一次性把降噪强度调到最高，因为那会造成“水声感”并掐掉句首和句尾的弱爆破音。下面表格给出三种常见场景的调整起点，实际要结合你听到的录音和转录结果微调。

对应操作：先固定一个噪声场景，每次只调整一个参数，用同一段包含开头、中间、结尾的音频做验证。验证方式是对比同一句话的转录文本，重点看“断句是否变碎”“有没有插入不存在的语气词”和“尾音是否被吃”。如果发现句首字频繁丢失，可以认为 VAD 过灵敏，应调低；如果噪声词如“空调声”被转录成“空洞声”，则需要适度提高降噪强度。

风险边界是：人声嘈杂场景下，过高的 VAD 会误把远处的说话人当作主说话人，导致文本掺入无关内容。因此必须先试听录音，判断噪声是否与人声频率重叠。

API 或批量转写时，标准化输入音频

如果你是通过 API 或命令行批处理调用 SoundWise，降噪参数通常以请求字段或命令 flag 的形式传递。下面给出一段通用 JSON 请求骨架，字段名需要替换成你当前版本的接口定义：

{ "audio_url": "https://example.com/meeting.wav", "language": "zh", "sample_rate": 16000, "noise_reduction": "medium", "vad_sensitivity": "normal", "reverb_removal": false, "punctuation": true }

这段骨架用于确认三件事：接口是否接收音频格式参数，降噪强度是布尔还是枚举值，以及是否需要显式打开标点恢复。实际发送前，先用一段 10 秒样本跑通请求，并请求返回“静音段检测结果”或日志，确认预处理是否生效。如果接口不接受噪声参数，就只能把降噪放在外部音频处理管线里，例如先用 ffmpeg 的 afftdn 或 speex 预处理后，再传给 SoundWise。注意，外部降噪会改变音频动态范围，转写质量必须用同一文件对比前后文本才能判断得失。

后处理：用词汇表与人工校对兜底

即使完成了前两步，嘈杂环境下的转写仍会在语气词、同音词、产品名上出错。建议在 SoundWise 的词典或术语表里加入本次录音中会出现的专有名词、人名、英文缩写；如果工具支持“替换规则”，可以把“嗯啊”这类语气词直接替换为空。对于关键会议纪要，人工校对仍是必要环节，可以按 5 分钟音频为一段，逐段听着修改，而不是通篇重听。最后，将每次录音的环境类型、使用的参数和错别字类型建一个本地笔记，下次遇到同类噪声时优先采用相同参数组合。

• 准备一段 20 秒的含噪声对照音频，包含人声、静音和噪声。
• 每次修改参数后，用这段音频重复转录，保存文本。
• 记录噪声类型和参数配置，对比不同级别下的错误位置。
• 确认无误后，再用于完整文件批量转写。