咪高峰一收，訪問內容還在音檔裡。要寫稿、做字幕、追客服爭議，第一步都是把聲音變成可編輯文字。廣東話語音轉文字聽起來像單一功能，實務上訪談、街訪、客服三段場景的音質與校對重點卻不同。
通用工具對英文或普通話較穩；港式口語、中英夾雜、街外嘈雜一出現，錯字就會集中。選對流程，比糾結「哪個軟件名字較響」更有用。
訪談：清晰對白，重點鎖人名與主張
室內訪談通常音質最好。校對優先序：受訪者姓名、機構名、他們強調的數字與結論。書面語輸出方便變成文章；若要做成影片字幕，再按鏡頭重切。詞庫預先放入人名，見 字幕自定義詞庫。
雙人交叉發言時，難段用人耳補，不要假設任何模型能完美分講者。產出 .txt 寫稿、.srt 上片皆可。若訪問稍後要翻譯成英文稿，先把中文書面語校對穩，再翻譯，通常比直接要求「雙語一次完美」更可控。
街訪：接受噪音，先救關鍵句
街頭風聲、車聲、旁人說話，會令整段準確率下降。策略不是重跑十次，而是：
- 用較近嘴的收音。
- 生成後先看置信度低或明顯亂碼的句。
- 只精修會上畫面的回答；過場嘈雜可刪或標註。
短片街訪更要短句，見 Reels 字幕長度。口語味道可留，但產品名不能錯。風聲大的段落，寧可縮短字幕覆蓋範圍，也不要留下一串近音錯字在畫面上給人截圖。
客服錄音：準確與可搜尋比文采重要
客服音檔常用於培訓、質檢、爭議回溯。用語宜書面、日期與訂單號必須對。不當用語偵測若平台有提供，可按合規需要開啟。Model 2.0 標明可過濾不當語言，並提供置信度評分，方便抽檢。
培訓用途可把典型對話做成帶字幕的示範片；質檢用途則重點標記時間戳，方便主管跳轉。會議型長音檔另見 廣東話會議錄音轉文字。中英夾雜產品名見 中英夾雜字幕。
CantoSub AI 專為廣東話場景優化，支援多種音訊與影片格式，可口語轉書面語，辨識準確率標示可達九成以上。一小時大約十四分鐘完成。詳見 CantoSub 2.0。
共同的品質底線
無論哪種場景：減少空白長靜音、避免音樂蓋過對白、生成前更新詞庫、生成後抽查難段。詞庫做法見 字幕自定義詞庫。字幕要進剪輯軟件時，格式見 SRT 與 FCPXML。
口語與書面語取捨亦見 廣東話口語轉書面語。街頭內容可偏口語；客服與對外稿偏書面——同一工具，兩套規則，不要混用。
新用戶 30 分鐘免費試用、無需信用卡：註冊。配額見 價格。
常見問題
問：語音轉文字和字幕是同一回事嗎？ 答：同源不同用。轉文字可以只要正文；字幕還需要時間碼與分行。同一平台通常兩者都能出。
問：電話音質很差還能用嗎？ 答：可做底稿，但關鍵數字與姓名必須人工覆核。極差音質沒有工具能保證免審。
問：一次該上載多長？ 答：按配額與校對精力切段亦可。重點場景先跑、先改，比整日音檔一次丟進去卻無力校對更實在。