转录文本与说话人
最后更新于 2026年10月20日
MindLake 如何在你的 Mac 上转录录音，分辨谁说了什么，并学会你常用的人名、声音和词语。
选择语音模型
转录文本由语音模型在你的 Mac 上生成，音频从不离开你的 Mac。模型在 Settings ▸ Local Models 中选择，听写也使用同一个模型。这个面板按以下顺序排列：
- Recommended for This Mac：显示你的 Mac 的芯片和内存、它应该使用的那个模型，以及一句推荐理由。在你自行选择模型之前，MindLake 就使用这个模型。
- Downloaded：你的 Mac 上已有的其他模型。点按一个即可使用；勾号标示正在使用的模型。每一行的 ⋯ 菜单中有 Remove Download。
- More Models：其余的模型，每个都有一个 Download 按钮。
- Categories：Apple Speech、Multilingual、English Only、Parakeet 和 Whisper，方便浏览。
面板顶部有一个搜索栏，可按模型名称、描述和类别匹配；还有一个 ⋯ 菜单，其中有 Reveal Models Folder in Finder 和 Recheck Downloads，后者会重新查找你 Mac 上已有的模型。
推荐遵循三条规则：
| 你的 Mac | 推荐 |
|---|---|
| Apple 芯片 | Parakeet TDT v3：在神经网络引擎上速度最快，在它支持的 25 种语言中，准确度不输任何模型。 |
| Apple 芯片，且设置了 Parakeet 不支持的语言 | Whisper Large v3 Turbo：只要你的 Mac 语言列表中有任何一种语言不在 Parakeet 的 25 种语言之内。 |
| Intel | Apple Speech。Intel 芯片的 Mac 没有神经网络引擎，系统自带的识别器才跟得上。 |
五个模型：
| 模型 | 大小、语言和速度 |
|---|---|
| Parakeet TDT v3 | 600 MB。英语及其他 24 种欧洲语言（保加利亚语、克罗地亚语、捷克语、丹麦语、荷兰语、爱沙尼亚语、芬兰语、法语、德语、希腊语、匈牙利语、意大利语、拉脱维亚语、立陶宛语、马耳他语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、斯洛文尼亚语、西班牙语、瑞典语、乌克兰语）。在神经网络引擎上运行。 |
| Parakeet TDT v2 | 600 MB。仅支持英语，英语识别比 v3 略强，速度相同。 |
| Apple Speech | 内置于 macOS，无需下载。耗电少；效果不错，但谈不上出色。 |
| Whisper Large v3 Turbo | 646 MB。支持 99 种语言，能从音频中判断正在说的是哪种语言。比 Parakeet 慢。 |
| Whisper Small | 486 MB。支持同样的 99 种语言；只比 Large v3 Turbo 快一点，准确度也更低。 |
在 Intel 芯片的 Mac 上，模型可能吃力时，对应的行会注明：Parakeet 和 Whisper Small 显示 Slow on this Mac，Whisper Large v3 Turbo 显示 Not suited to this Mac。更换模型只影响新的转录文本；如果想用新模型重做旧的转录文本，请使用 Re-transcribe。
你作为来源添加到笔记中的音频和视频文件，也会以同样的方式转录，包括区分说话人。
阅读转录文本
录音的转录文本是所在笔记的来源之一。点按笔记顶部的来源数量（例如“2 sources”），或按下 ⌘.，然后选择 Audio + Transcript。
- 从任意一个词开始播放。点按一个词，录音就会从那里开始播放，当前的词会高亮显示并保持在视图中。
Space播放和暂停；←和→跳过 10 秒。 - 每轮发言一行。每一轮发言都从新的一行开始，说话人的名字显示在页边，开始时间显示在名字下方，即使只是一个词的回应也是如此。每个声音都有自己的颜色，你自己的发言使用较柔和的颜色。旧的转录文本会把简短的回应放在括号里、夹在别人的发言中；重新运行说话人识别时，会改写成这种格式。
- 编辑。它就是普通文本：直接输入即可更正。
语气词
Settings ▸ Transcripts ▸ Trim filler sounds 默认打开。在你阅读和拷贝转录文本时，它会隐藏“um”“uh”“erm”和“hmm”（以及“umm”“uhh”等更长的拼写），并整理它们周围的逗号和大写字母。
- 不会删除任何内容。语气词仍保留在文件中，播放时也仍会跟随每一个词。关闭这个设置，它们就会全部回来。
- 只去掉永远不构成词语的声音。“Like”“so”“you know”“actually”和“basically”始终保留，表示“是”和“不是”的“uh-huh”和“mm-hmm”也会保留。
- 一个设置适用于所有转录文本。不能针对单个转录文本单独开关，而且这个设置只在 Mac 上生效。
转录文本栏
转录文本上方的栏中，从左到右依次为：
| 项目 | 作用 |
|---|---|
| 标记的词 | 模型没有把握的词有多少个。它们会在下方高亮显示；点按一个即可修正。 |
| Speakers | 共有多少位说话人。它的菜单会列出每位说话人及其所说的词数，然后是 Expected speakers（见下文）。 |
| 字数 | 转录文本中的词数，不含说话人标签。 |
| Summarise | 闪光按钮。在笔记中整理出转录文本的摘要；见下文的“摘要”。 |
| Re-transcribe | 用当前模型重新转录录音。旧的转录文本（连同所做的修正）会保留在笔记的来源中。 |
| Share | 共享录音。 |
| ⋯ | Trim Silence（缩短较长的停顿，并让转录文本保持同步）、Download Audio…、View in Finder 和 Delete Audio。 |
说话人图表
点按音频栏右侧的双人按钮，会展开一张显示谁在何时发言的图表。每位说话人占一行，显示以其转录颜色标示的姓名首字母、名字、发言时长和发言占比，还有一条轨道标出他们说话的每一段，播放头会在上面移动。点按轨道即可跳到对应位置。图表显示五位说话人；Show all 会列出其余的人。
没有语音或没有转录文本
尚未转录的录音会显示 Not transcribed yet，并提供 Transcribe 和 Paste（从剪贴板粘贴一份转录文本）。
- 没有语音。如果 MindLake 听完了整段录音却没听到任何人说话，笔记会显示“No speech in this recording”和“MindLake listened to all of it and heard no one speaking.”，并提供 Transcribe Again 和 Paste。这一结果保存在资料库中录音的旁边，所以每台 Mac 都知道，不会再有哪台提示转录它。不到一秒的文件会直接这样处理，不启动语音模型。
- 转录失败。笔记会显示“Couldn’t transcribe:”和原因，并提供 Try Again。
说话人
每份转录文本都会分成一轮轮发言，标为 Speaker 1、Speaker 2 等。在带系统音频录制的通话中，你的麦克风自然就是你，所以你的发言会标为“Me”，或标为 Settings ▸ Brain ▸ Your name 中设置的名字。在同一个房间里录制时，MindLake 只能靠声音本身来区分不同的人。
设置说话人数量
如果几个人的声音被合并或被拆开，请告诉 MindLake 有多少人发言（包括你）。可以在录制时在录制面板中设置，也可以在录制后设置：
- 点按转录文本栏中的 Speakers 项目。
- 在 Expected speakers 下，选择 Auto 或 2 到 6 位说话人。
- 在同一菜单中选择 Re-run Speakers Now…，然后点按 Re-run Speakers 确认。每半小时音频大约需要一分钟，并且会替换你在转录文本中输入的所有编辑。
如果没有设置人数，会以笔记的参会者作为参考。
为说话人命名
点按说话人的标签，会打开“Who is this speaker?”。笔记的参会者列在最前面的 In this meeting 下，然后是 Other contacts 下的其他联系人；你也可以输入任意名字，按 Save 将此人的所有发言重新命名。Known as… 可以添加昵称，例如 Abigail 的昵称 Abi，这样在有此人参加的会议中能被正确听出来。Reset 会恢复原来的标签。如果同一个人被拆成了两个标签，给两个标签起同一个名字即可。
已知声音
为说话人命名的同时，MindLake 也会学会此人的声音，以后的录音就会自动为你标出名字。最近 60 篇笔记中，每篇笔记最后一次说话人识别得到的声音都会保存在这台 Mac 上，所以即使过了几天、重启过电脑，你再为说话人命名，MindLake 仍然能学会这个声音。重新运行说话人识别时，你起的名字会保留，这些声音也会被学会。
Settings ▸ Known Voices 列出 MindLake 能识别的所有声音，并显示简短的 ID、从多少段录音中学到，以及最后一次听到的时间。每个声音都有 Rename 和 Forget，Forget every voice… 会全部清除：已经生成的转录文本保留原有的名字，新的录音则恢复为 Speaker 1、Speaker 2。声音只保存在这台 Mac 上，从不写入你的笔记，也从不同步。
修正词语
模型没有把握的词会显示为黄色，最没把握的显示为粉色；Settings ▸ Audio ▸ Flag words below 设置判定阈值（默认为 55%）。点按一个词会打开修正弹出框：显示它的置信度、一个 Correct to… 输入框、你为这个词保存过的修正、建议的替换词，以及 Hear、Context 和 Sentence，分别播放这个词、它前后各三个词，或整句话。Apply 会更正这个词，记住这次修正供以后的转录和听写使用，并把这个词添加到你的词库中。
Settings ▸ Transcripts ▸ Clicking a flagged word 决定弹出框打开时是否立即播放这个词（Play the word immediately，默认），还是只在你按下 Hear 时播放。
词库是你的人名和专业术语列表。新的转录文本会与词库比对，相近的误识别会被更正；已知的术语会以蓝色底色显示。可以在 Settings ▸ Transcripts ▸ Lexicon 中添加术语，也可以选中文本，右键点按并选择 Add to Lexicon。资料库中的 lexicon.txt 会保存一份副本；Reveal lexicon.txt in Finder 可以显示它。
摘要
Summarise 是转录文本栏上的闪光按钮，它会在笔记中整理出转录文本的内容：Summary、Topics discussed、Decisions、以任务形式列出的 Action items，以及 Open questions。仍以“Recording ·”命名的笔记会获得一个真正的标题。
默认情况下，摘要由你的 Mac 上的 Apple Intelligence 生成，需要 macOS 26。下载并选择了本地 Gemma 模型后，会改用该模型；Settings ▸ AI ▸ Advanced 还可以把摘要交给云服务商处理。如果你选择了云服务商，转录文本会发送给它；参见 隐私与数据。之后，同一个 AI 还会把人名和专业术语添加到你的词库中，为它能识别的说话人命名，并可能为笔记添加标签；如果笔记不在任何文件夹中，还可能将它归档。