要在 SoundWise 里完成播客转录并生成时间戳，最关键的不是点击哪个按钮，而是先确认音频是否适合自动转写。播客通常有双人或多人口播、音乐垫底、偶尔的重叠发言，这些都会直接影响时间戳的颗粒度。建议先按下面四个阶段走：准备音频、执行转录、校对时间戳、导出使用。整个流程可以在一次会话内完成，但如果音频超过一小时，最好拆成多个段落处理。

SoundWise 转录播客的核心流程可以概括为：准备清晰音频、启动转录并开启时间戳、校对自动生成的分段、导出为带时间戳的文本或字幕。时间戳是否可用，取决于音频质量、说话人切换是否清晰，以及你是否做了人工校准。不要指望一次生成就完全准确。

1. 准备音频文件：先解决“听不清”的问题

转录工具对音频的容忍度有限。播客录制时如果两个人距离麦克风不同，或者房间有回声，SoundWise 可能把重叠说话人的文字混在一起，时间戳也会错位。所以上传前建议做几件事：

• 把音频导出为 WAV 或 MP3，位深不低于 16bit，采样率 44.1kHz 或 48kHz 即可。
• 如果原始文件是远程访谈录音，先归一化音量，避免某一人声音过小。
• 有明显片头音乐或广告的，可以先剪掉，或者单独用编辑器切出纯语音段。
• 检查是否有超过 10 秒的静音段，静音会让时间戳停在原地，后续内容全部偏移。

这一步不依赖 SoundWise 内部选项，属于通用预处理。你可以用 Audacity、iZotope RX 或在线音量归一化工具完成。处理完的文件最好单独命名，比如 episode12_clean.wav，避免混淆。

2. 执行转录：选择正确的语言和时间戳粒度

SoundWise 这类工具通常在上传后提供几个基本设置。你需要重点确认两项：一是语言模型是否匹配播客使用的语言（中文普通话、英文或粤语不同）；二是时间戳的粒度，有些工具默认按句子打点，有些按每 5 秒或 10 秒打点。对播客来说，按句子打点更适合生成章节摘要，按固定秒数打点适合做字幕。

# 一个可行的设置参考
音频文件：episode12_clean.wav
语言：中文（普通话）
时间戳粒度：句子级别
说话人分离：开启（如果音频有两个人以上）
静音裁剪：关闭（保留原始时间轴）
输出格式：SRT 或 VTT + 纯文本

执行转录前，把输出格式先选好，避免转录后还要二次转换。很多工具支持同时导出字幕文件和带时间轴的 JSON，建议优先选这两个。转录启动后不要立刻关闭页面，即使后台处理，也要等进度条跑完再刷新。

如果你需要后续用 AI 整理章节，可以复制原始转录文本，使用提示词让模型按时间戳分段生成标题。下面是一个保守的提示词示例：

你是播客编辑。请根据以下带时间戳的转录稿，把内容分成 3-6 个章节，每个章节用一句话概括，并输出开始时间点和标题。不要改动原稿文字。

转录稿：
[00:00] 大家好，欢迎收听......
[02:15] 今天聊的是...

这个提示词可以在 SoundWise 之外的工具里用，也可以在你自己的脚本里调用大模型 API 时作为系统提示。如果你把转录稿复制到 ChatGPT、Claude 或本地模型里，效果通常都可行。

3. 校准时间戳：重点检查说话人切换和停顿

自动生成的时间戳不会完全准确。播客里常见的“嗯”“然后”会被切到上一句末尾，导致下一段开始时间提前。建议在 SoundWise 的编辑界面里按说话人切换点快速过一遍。具体做法是：播放到每段开头前 1 秒，看字幕是否和语音同步。如果发现某一段的起点过早，往后拖到实际发声位置。

另一种常见问题是音乐、笑声或咳嗽会被识别成内容并打上时间戳。如果工具允许删除识别结果，把这些非语言片段直接删掉，时间戳会自动重新对齐后面内容。需要注意的是，删除片段会导致时间轴总时长改变，如果你要的是原始音频的绝对时间戳，尽量保留空白而不是删除。

校准完成后，建议导出一次 SRT 文件，用播放器挂载看一遍。重点检查对话重叠位置，比如一人还没说完另一人插话时，工具很可能把两段话合并到一个时间戳里。这种情况无法靠全局设置解决，只能手动拆分。

4. 导出与后续使用：字幕、文本和章节导航

校准后的产物，根据用途选择导出格式。如果给播客剪辑软件用，导出 VTT 或 SRT 就行；如果做 show notes，导出带时间戳的纯文本，再配合上一节的提示词生成章节标题。SoundWise 如果支持直接分享链接，你也可以把编辑好的时间戳生成在线导航，方便听众点击跳到对应话题。

导出的文件建议按集数归档。文件命名里带上日期和版本，比如 ep12_show_notes_v2.srt。不要覆盖原始转录文件，因为后续你可能还要重新校对。

常见问题

SoundWise 生成的时间戳是自动的吗？

通常默认会生成，但粒度不一定是你要的。如果没有找到时间戳开关，检查输出格式里是否勾选了“包含时间码”，或者在设置里把时间戳粒度从“无”改成“句子”。

播客背景音乐会影响时间戳准确度吗？

会。音乐段没有语音，工具可能把音乐识别成噪音并切断时间线。建议在转录前把音乐压到 -30dB 以下，或者用工具标记音乐区间，在导出后再手动调整。

能否直接用 SoundWise 的 API 自动处理？

如果你有开发能力，通常可以通过上传接口提交音频，再轮询转录结果。但每次请求要注意音频大小限制，超过限制要预先分段。具体接口参数需要结合当前版本文档确认，本文不提供不可靠的代码。你也可以用自动化脚本调用自带的上传功能，再读取导出的字幕文件做后处理，这条路更稳。