本指南详细介绍了 Whisper App 的所有功能和使用方法，帮助用户充分利用这个强大的本地化语音转录和AI处理平台。
Whisper App 提供以下核心功能：
- 多语言支持: 自动识别80+种语言
- 高质量转录: 基于OpenAI Whisper的本地化转录
- 多格式支持: MP3, WAV, M4A, OGG, FLAC等
- 批量处理: 同时处理多个音频文件
- 智能摘要: 自动生成内容摘要
- 格式转换: 转换为邮件、笔记、清单等格式
- 自定义提示: 使用自定义指令处理文本
- 流式处理: 实时查看AI生成过程
- 本地存储: 所有数据完全本地化
- 搜索功能: 全文搜索转录内容
- 标签管理: 为转录添加标签和分类
- 导出功能: 多种格式导出结果
- 完全本地: 数据不离开您的设备
- 用户隔离: 每个用户的数据完全隔离
- 安全认证: 基于NextAuth.js的安全认证
-
访问注册页面
- 打开浏览器访问
http://localhost:3000 - 点击页面上的"注册"按钮
- 打开浏览器访问
-
填写注册信息
邮箱地址: user@example.com 密码: 至少8位字符，建议包含字母、数字和特殊字符 确认密码: 重复输入密码 显示名称: 您的显示名称（可选） -
完成注册
- 点击"创建账户"按钮
- 系统会自动登录到新创建的账户
-
使用邮箱密码登录
- 输入注册时使用的邮箱和密码
- 点击"登录"按钮
-
记住登录状态
- 勾选"记住我"选项，7天内无需重复登录
- 登录状态会在关闭浏览器后保持
访问个人设置页面可以：
- 修改个人信息: 更新显示名称和头像
- 更改密码: 设置新的登录密码
- 查看使用统计: 转录分钟数、存储使用情况
- 数据导出: 导出所有个人数据
| 格式 | 扩展名 | 推荐场景 |
|---|---|---|
| MP3 | .mp3 | 通用格式，文件较小 |
| WAV | .wav | 高质量，转录效果最佳 |
| M4A | .m4a | Apple设备录制格式 |
| OGG | .ogg | 开源格式，质量好 |
| FLAC | .flac | 无损压缩，最高质量 |
| AAC | .aac | 高效压缩 |
| WMA | .wma | Windows Media格式 |
| WebM | .webm | 网页音频格式 |
- 默认限制: 100MB
- 推荐大小: 50MB以下获得最佳处理速度
- 时长建议: 单个文件不超过2小时
- 将音频文件直接拖拽到上传区域
- 系统会自动开始上传和处理
- 支持同时拖拽多个文件
- 点击"选择文件"按钮
- 在文件选择对话框中选择音频文件
- 点击"打开"开始上传
- 复制音频文件（Ctrl+C 或 Cmd+C）
- 在上传区域按 Ctrl+V 或 Cmd+V
- 文件会自动开始上传
上传过程中您可以看到：
- 上传进度条: 显示上传完成百分比
- 文件信息: 文件名、大小、格式
- 预计时间: 剩余上传时间
- 取消选项: 可随时取消上传
- 文件上传完成后自动开始转录
- 语言自动检测或手动指定语言
- 实时显示转录进度
- 转录完成后显示结果
- 系统自动识别音频中的语言
- 支持80+种语言的准确识别
- 适用于不确定语言的情况
支持的主要语言：
中文 (zh) - 包括普通话、粤语等方言
英语 (en) - 美式英语、英式英语
日语 (ja) - 标准日语
韩语 (ko) - 标准韩语
法语 (fr) - 标准法语
德语 (de) - 标准德语
西班牙语 (es) - 标准西班牙语
俄语 (ru) - 标准俄语
阿拉伯语 (ar) - 现代标准阿拉伯语
印地语 (hi) - 标准印地语
...更多语言
-
音频质量
- 使用高质量录音设备
- 确保录音环境安静
- 避免背景噪音和回音
-
说话方式
- 语速适中，发音清晰
- 避免频繁的停顿和填充词
- 保持稳定的音量
-
文件格式
- 优先使用WAV或FLAC格式
- 采样率建议16kHz或以上
- 单声道即可，无需立体声
转录完成后，您可以：
- 查看完整转录文本
- 编辑和修正错误
- 添加标点符号
- 设置段落分隔
- 添加时间戳（如需要）
将长篇转录内容生成简洁摘要：
- 要点提取: 自动识别关键信息
- 结构化输出: 按重要性排序
- 长度控制: 可设置摘要长度
使用场景: 会议记录、讲座内容、长时间对话
将语音内容转换为正式邮件：
- 标准格式: 包含主题、正文、结尾
- 语气调整: 自动调整为商务语气
- 格式美化: 添加适当的分段和格式
使用场景: 语音备忘转邮件、口述邮件内容
从转录内容中提取行动项目：
- 任务识别: 自动识别待办事项
- 优先级排序: 按重要性和紧急性排序
- 时间提取: 识别截止日期和时间
使用场景: 项目会议、工作安排、个人规划
将转录内容整理为有组织的笔记：
- 层次结构: 创建标题、子标题和要点
- 分类整理: 按主题分组内容
- 关键词标注: 标记重要概念和术语
使用场景: 学术讲座、培训记录、研究资料
您可以创建专属的AI处理指令：
- 选择"自定义处理"
- 输入处理指令，例如：
请将这段会议记录按照以下格式整理： 1. 会议主题 2. 参与人员 3. 讨论要点 4. 决定事项 5. 后续行动 请使用正式的商务语言，并突出重要决定。 - 保存为模板供将来使用
清晰的指令:
好的提示: "请将这段对话整理成3-5个要点，每个要点不超过50字"
不好的提示: "整理一下这个内容"
指定输出格式:
"请按照以下Markdown格式输出：
# 主题
## 要点1
- 详细内容
## 要点2
- 详细内容"
添加上下文:
"这是一段产品设计会议的录音，请重点关注用户体验相关的讨论"
- 选择转录记录
- 选择处理类型或输入自定义提示
- 点击"开始处理"
- 实时查看生成过程（流式输出）
- 编辑和完善结果
- 保存或导出结果
主界面显示所有转录记录：
- 标题: 录音文件名或自定义标题
- 创建时间: 转录完成时间
- 语言: 检测到的音频语言
- 时长: 音频文件时长
- 状态: 转录状态（完成/处理中/失败）
- AI处理数量: 已生成的AI处理结果数量
点击任意记录进入详情页面，包含：
- 音频播放器: 在线播放原始音频
- 转录文本: 完整的转录结果
- 元数据: 文件大小、格式、上传时间等
- 在线编辑: 直接修改转录文本
- 查找替换: 批量修改特定词汇
- 格式调整: 添加段落、标点符号
- 自动保存: 编辑内容自动保存
- 查看所有处理结果: 按时间排序显示
- 编辑处理结果: 修改AI生成的内容
- 重新生成: 使用相同或不同提示重新处理
- 删除结果: 删除不需要的处理结果
选择多个记录进行批量操作：
- 批量删除: 一次删除多个记录
- 批量导出: 导出多个记录的内容
- 批量标签: 为多个记录添加相同标签
- 批量AI处理: 使用相同模板处理多个记录
使用强大的搜索功能查找内容：
在搜索框中输入关键词：
搜索示例:
- "会议纪要"
- "项目进展"
- "客户反馈"
精确匹配: "完整的短语"
排除词汇: 关键词 -排除词
通配符: 关键*
时间范围: after:2024-01-01 before:2024-12-31
语言筛选: lang:zh
- 今天: 今天创建的记录
- 本周: 最近7天的记录
- 本月: 当前月份的记录
- 自定义范围: 指定开始和结束日期
- 中文: 显示中文转录记录
- 英文: 显示英文转录记录
- 其他语言: 按语言分类显示
- 已完成: 转录完成的记录
- 处理中: 正在转录的记录
- 有AI处理: 包含AI处理结果的记录
- 收藏夹: 标记为重要的记录
- 时间排序: 按创建时间升序或降序
- 字母排序: 按标题字母顺序排序
- 大小排序: 按文件大小排序
- 时长排序: 按音频时长排序
- 纯文本(.txt): 简单的文本格式
- Markdown(.md): 包含格式标记的文本
- Rich Text(.rtf): 富文本格式
- Word文档(.docx): Microsoft Word格式
- JSON: 包含完整元数据的结构化数据
- CSV: 表格格式，适合批量处理
- XML: 标准的数据交换格式
- HTML: 网页格式，包含样式
- PDF: 便携式文档格式
- 进入转录记录详情页面
- 点击"导出"按钮
- 选择导出格式
- 选择导出内容：
- 仅转录文本
- 包含AI处理结果
- 包含音频文件
- 完整记录（含元数据）
- 在记录列表中选择多个记录
- 点击"批量导出"
- 选择导出格式和内容
- 下载打包的ZIP文件
在导出时可以自定义：
- 文件命名规则: 按日期、标题或自定义规则命名
- 内容格式: 添加页眉、页脚、时间戳
- 质量设置: 对于PDF，可选择压缩质量
- 分页选项: 对于长文档，设置分页规则
在设置页面可以管理：
- 个人资料: 姓名、头像、联系方式
- 密码安全: 修改登录密码
- 使用统计: 查看转录分钟数、存储使用量
- 自动检测: 始终自动检测语言（推荐）
- 指定语言: 设置默认转录语言
- 语言优先级: 当检测不确定时的优先顺序
- 转录质量: 选择速度优先或质量优先
- 模型选择: 选择使用的Whisper模型版本
- 后处理: 自动添加标点符号、段落分割
- 常用模板: 设置最常使用的AI处理模板
- 自动处理: 转录完成后自动进行指定处理
- 模板管理: 创建、编辑、删除自定义模板
- 语言风格: 正式/非正式语言风格
- 长度控制: 设置AI输出的默认长度
- 格式偏好: Markdown、纯文本或富文本
- 自动清理: 设置自动删除旧记录的时间
- 存储限额: 查看和管理存储空间使用
- 数据备份: 定期备份个人数据
- 数据加密: 启用额外的数据加密
- 访问日志: 查看账户访问记录
- 设备管理: 管理已登录的设备
- 选择多个音频文件（最多10个）
- 统一设置转录参数（语言、质量等）
- 开始批量转录
- 监控所有文件的处理进度
- 选择多个已完成的转录记录
- 选择或创建AI处理模板
- 批量应用相同的AI处理
- 查看和管理批量处理结果
对于开发者用户，可以使用API接口：
- 在设置页面申请API密钥
- 记录密钥信息（仅显示一次）
- 在代码中使用API密钥
// 上传文件
const formData = new FormData();
formData.append('file', audioFile);
fetch('/api/upload', {
method: 'POST',
headers: {
'Authorization': `Bearer ${API_KEY}`
},
body: formData
});
// 获取转录结果
fetch(`/api/transcriptions/${id}`, {
headers: {
'Authorization': `Bearer ${API_KEY}`
}
});- 网页音频捕获: 直接从网页捕获音频进行转录
- 一键发送: 将网页中的音频链接发送到Whisper App
- 快捷操作: 在浏览器中快速访问常用功能
- Zapier集成: 与其他服务自动化集成
- Webhook支持: 转录完成后自动通知其他系统
- 云存储同步: 与Dropbox、Google Drive等同步
未来版本将支持：
- 团队工作空间: 多用户协作转录
- 共享项目: 团队成员共同管理转录项目
- 权限管理: 细粒度的访问权限控制
- 评论和批注: 在转录内容上添加评论
-
录音环境
- 选择安静的环境录音
- 使用指向性麦克风
- 避免空调、电脑风扇等噪音源
-
说话技巧
- 保持稳定的语速
- 清晰地发音每个词汇
- 适当的停顿有助于断句
-
文件准备
- 使用高质量的音频格式
- 确保音频音量适中
- 预先分割过长的录音
-
提示优化
- 使用具体、明确的指令
- 提供必要的背景信息
- 指定期望的输出格式
-
模板管理
- 创建常用场景的模板
- 定期优化模板效果
- 分享优秀模板给团队
-
迭代改进
- 基于结果调整提示词
- 尝试不同的处理方式
- 记录有效的提示模式
-
命名规范
- 使用有意义的文件名
- 包含日期和主题信息
- 保持命名的一致性
-
标签系统
- 为不同类型的内容创建标签
- 使用层次化的标签结构
- 定期整理和优化标签
-
定期维护
- 删除不需要的转录记录
- 备份重要的数据
- 检查和更新个人设置
希望这份功能使用指南能帮助您充分发挥Whisper App的强大功能！ 🎯