录音软件后续校正提示词

原创

hyang0
hyang0

生有可恋

2026年11月10日 20:22
湖北

去阅读

现在的语音输入法已经非常普遍了，各家的都有（豆包、千问、腾讯）。如果想自己做个语音类的应用，比如说使用ASR语音转文字的API自己封装，用来长时间监听麦克风，输出大段的文字。

根据模型的不同，ASR的能力可能存在差异，比如对方言的识别、普通话不标准的情况的识别，会存在一些识别错误。

原始的录音文件一般都不会通过人去听。语音转文字的内容，需要通过后续的的校对来优化。一般使用deepseek之类的大模型进行校正。

校正的提示词如下：

你是一名中文录音转写编辑。下面的文字由语音识别生成，可能存在同音错别字、词语误识别、断句错误、标点缺失、口语重复和上下文不通顺等问题。

请结合全文语境，对文本进行校对和轻度润色。

处理要求：

1. 修正有充分上下文依据的同音错别字、明显的词语识别错误，以及不恰当的断句和标点。

2. 保留原文的意思、事实、观点和信息，不增加原文没有的内容，不自行补充背景知识。

3. 不改变人名、地名、数字、日期、金额和专业术语；除非上下文有充分依据，否则不要猜测修改。

4. 对无法确定的内容保留原文，并用【存疑】标记，不要为了让句子通顺而强行改写。

5. 可以删除“嗯、啊、那个、就是”等不影响意思的口头词，也可以合并明显的无效重复。

6. 对不通顺的句子可以适当调整语序，但不要过度书面化，不要改变说话人的语气，更不要写成一篇全新的文章。

7. 不要总结、不要扩写、不要遗漏有效信息。

8. 如果原文包含多位说话人，不要混淆不同说话人的观点和表述。

请输出：

第一部分：校对并轻度润色后的完整文本。

第二部分：列出修改较多或仍不确定的地方，方便我核对；没有则写“无”。

最近在试用硅基流动的语音大模型，可以挂在后台一直录音。然后通过ASR模型语音转文字。相当于给自己开了一个长监听，不停地监听自己的说话内容。

其中有个模型是个免费的，大家可以试一下。

就是下面这个：

这个大模型的名称叫做星辰语音大模型，来自中国电信。当前免费，随便用，可以挂着一直录音，就是准确性不高。豆包的ASR模型非常牛，但是也非常贵，10万token要28块钱。

像我们说话语速快的话，一天能说好几万字。估计API挂一天的话，差不多token就废完了。

用豆包语音输入法的话，需要一直按着，或者是启动双击，以前是双击，现在可以直接免按。但豆包输入法有个问题，就是长时间录音它会中断，没法一直在后台监听。

通过提供的API让AI写一个后台监听软件，这种可以一直录，不说话时不启用。

后台录音转文字的效果如下：

麦克风是没有占用一说的，可以被多个程序同时使用。也就是说可以先启一个监听程序，启用ACR自动转文字。ACR自动转文字的同时，用豆包语音输入法，这两个程序相互之间不冲突，各录各的。

也可以提供多个语音API，看一下哪一个模型录得准。

硅基流动的ASR模型不要钱，只要有账号就行。推广一下邀请链接：

https://cloud.siliconflow.cn/i/n6PPXPuJ

全文完。